Automação de um sistema de pulverização para
aplicação de agroquímicos a taxa variada usando
injeção direta
Heitor Vinicius Mercaldi
Dissertação apresentada à Escola de
Engenharia de São Carlos da Univer-
sidade de São Paulo, como parte dos
requisitos para obtenção do título de
Mestre em Ciências, Programa de En-
genharia Elétrica.
ORIENTADORA: Profa. Dra. Vilma Alves de Oliveira
São Carlos2012
ii
HEITOR VINICIUS MERCALDI
AUTOMAÇÃO DE UM SISTEMA DE
PULVERIZAÇÃO PARA APLICAÇÃO DE
AGROQUÍMICOS A TAXA VARIADA USANDO
INJEÇÃO DIRETA
Dissertação de Mestrado apresentada ao Programade Engenharia Elétrica da Escola de Engenharia deSão Carlos como parte dos requisitos para obten-ção do título de Mestre em Ciências, Programa deEngenharia Elétrica.
Área de Concentração: Sistemas DinâmicosOrientadora: Profa. Dra. Vilma Alves de Oliveira
São Carlos2012
Trata-se da versão corrigida da dissertação. A versão original se encontra disponível na EESC/USPque aloja o Programa de Pós-Graduação de Engenharia Elétrica.
AUTORIZO A REPRODUÇÃO TOTAL OU PARCIAL DESTE TRA-
BALHO, POR QUALQUER MEIO CONVENCIONAL OU ELETRÔNICO,
PARA FINS DE ESTUDO E PESQUISA, DESDE QUE CITADA A FONTE.
Mercaldi, Heitor Vinicius
M553a Automação de um sistema de pulverização para
aplicação de agroquímicos a taxa variada usando injeção
direta. / Heitor Vinicius Mercaldi; orientadora Vilma
Alves de Oliveira. São Carlos, 2012.
Dissertação (Mestrado) - Programa de Pós Graduação
em Engenharia Elétrica e Área de Concentração em
Sistemas Dinâmicos – Escola de Engenharia de São
Carlos da Universidade de São Paulo, 2012.
1. agricultura de precisão. 2. automação.
3. controle PID fuzzy. 4. injeção direta. 5. taxa variada.
I. Título.
Aos meus pais Joceli J. Mercaldi e Heraldo J. C. Mercaldi.
Agradecimentos
Primeiramente agradeço à Deus pela saúde e as oportunidades que me foram conce-
didas.
Agradeço também à minha orientadora, Profa. Dra. Vilma A. Oliveira, pelos
ensinamentos pertinentes ao trabalho e os ensinamentos fora do laboratório, sempre
com sábias palavras em momentos oportunos.
Ao Dr. Paulo E. Cruvinel por participar com discussões e sugestões durante o
desenvolvimento desse trabalho.
Ao Prof. Dr. Brian L. Steward pelo apoio no desenvolvimento dos modelos.
Aos companheiros do Laboratório de Controle, em especial ao aluno de doutorando
Kleber R. Felizardo, pela amizade e o apoio em todas as etapas desse trabalho.
A minha namorada, Minayana Giacometti, pelo apoio e compreensão.
Aos funcionários do SEL-EESC-USP e da Embrapa Instrumentação pelo pronto
atendimento e auxílio nas tarefas que possibilitaram o andamento do trabalho.
Aos colegas de trabalho da UFSCar por incentivarem meu aperfeiçoamento.
Sumário
Lista de Figuras ix
Lista de Tabelas xiii
Lista de Abreviaturas xv
Lista de Símbolos xvii
Resumo xxi
Abstract xxiii
1 Introdução 1
1.1 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Organização do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2 Revisão Bibliográfica 5
2.1 Introdução a Agricultura de Precisão . . . . . . . . . . . . . . . . . . . 5
2.2 Aplicação de Agroquímicos por Pulverização . . . . . . . . . . . . . . . 7
2.3 Pulverizadores com Injeção Direta . . . . . . . . . . . . . . . . . . . . . 9
2.4 Controlador de Pulverização . . . . . . . . . . . . . . . . . . . . . . . . 11
2.5 Controle Adaptativo com Sistemas Fuzzy . . . . . . . . . . . . . . . . . 13
3 Instrumentação do Sistema 21
3.1 Módulo de Pulverização . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2 Módulo de Injeção . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.3 Módulo de Descarte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.4 Características Operacionais do Sistema de Pulverização . . . . . . . . 32
4 Modelagem e Simulação dos Módulos 35
4.1 Modelagem do Módulo de Injeção . . . . . . . . . . . . . . . . . . . . . 36
vii
4.2 Modelagem do Módulo de Pulverização . . . . . . . . . . . . . . . . . . 38
4.2.1 Validação do modelo matemático do módulo de pulverização . . 47
4.3 Ambiente de Simulação . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5 Controladores para os Módulos 53
5.1 Definição do Período de Amostragem . . . . . . . . . . . . . . . . . . . 54
5.2 Controlador PID no LabVIEW . . . . . . . . . . . . . . . . . . . . . . . 55
5.3 Auto-sintonia do PID no LabVIEW . . . . . . . . . . . . . . . . . . . . 58
5.4 Controladores Fuzzy no LabVIEW . . . . . . . . . . . . . . . . . . . . . 62
5.5 Controlador PI do Módulo de Injeção . . . . . . . . . . . . . . . . . . . 68
5.6 Controladores do Módulo de Pulverização . . . . . . . . . . . . . . . . . 68
5.6.1 Controlador PID . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.6.2 Controlador PID Fuzzy Adaptativo por Escalonamento de Ganho 69
6 Resultados Experimentais 77
7 Conclusões 83
8 Propostas para Trabalhos Futuros 85
A Diagramas Esquemáticos 87
Referências Bibliográficas 93
viii
Lista de Figuras
FIGURA 2.1 Tipos de sistema de injeção de acordo com o ponto de injeção. 10
FIGURA 2.2 Estrutura típica de um controlador PID fuzzy do tipo 1. . . . 14
FIGURA 2.3 Estrutura típica de um controlador PID fuzzy do tipo 2. . . . 15
FIGURA 2.4 Controlador adaptativo baseado em modelo. . . . . . . . . . . 16
FIGURA 2.5 Controlador fuzzy auto-sintonizável. . . . . . . . . . . . . . . . 16
FIGURA 2.6 Controlador dual fuzzy para o controle de elevadores. . . . . . 17
FIGURA 2.7 Controlador fuzzy por escalonamento de ganho, tipo 3. . . . . 18
FIGURA 3.1 Vista frontal da bancada pulverização onde está montado o
sistema de aplicação agroquímicos. Ao fundo está o painel com os com-
ponentes elétricos, eletrônicos e hidráulicos e à frente as seções de barra
com os bicos e pontas de pulverização. . . . . . . . . . . . . . . . . . . . 22
FIGURA 3.2 Arquitetura usada para o desenvolvimento da automação da
bancada de pulverização mostrando os níveis de programação com o
LabVIEW (PC Host), LabVIEW Real-Time e LabVIEW FPGA. . . . . 23
FIGURA 3.3 Ilustração do sistema de pulverização de agroquímicos mon-
tado para a aplicação em taxa variada com o módulo de injeção direta
central mostrado no detalhe. . . . . . . . . . . . . . . . . . . . . . . . . 24
FIGURA 3.4 Instrumentação usada no acionamento da bomba de pulveri-
zação e sensor de nível do tanque de água. . . . . . . . . . . . . . . . . . 25
ix
FIGURA 3.5 Válvula de controle VP1 com indicações do êmbolo, terminais
elétricos e os sentidos de fluxo da calda de entrada QBP , de saída para
as barras QF e de saída para o retorno QR. . . . . . . . . . . . . . . . . 27
FIGURA 3.6 Instrumentação usada no acionamento das válvulas VP1, VP2,
VS1 e VS2 e encoder na válvula de controle VP1. . . . . . . . . . . . . . 28
FIGURA 3.7 Ligação do fluxômetro eletromagnético. . . . . . . . . . . . . . 28
FIGURA 3.8 Ligação do sensores de pressão. . . . . . . . . . . . . . . . . . 29
FIGURA 3.9 Instrumentação do módulo de injeção. No detalhe são indica-
dos os componentes do conjunto QB-3. . . . . . . . . . . . . . . . . . . . 30
FIGURA 3.10 Instrumentação do módulo de descarte calda. . . . . . . . . . 32
FIGURA 3.11 Região de operação do sistema de pulverização à taxa va-
riada. A maior e menor taxa de aplicação são respectivamente Rmax =
1000 `/ha e Rmin = 6, 6 `/ha. . . . . . . . . . . . . . . . . . . . . . . . . 33
FIGURA 4.1 Diagrama em blocos do módulo de injeção. . . . . . . . . . . . 36
FIGURA 4.2 Arranjo usado para o ensaio do módulo de injeção. . . . . . . 36
FIGURA 4.3 Resultados experimentais e de simulação do modelo do módulo
de injeção. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
FIGURA 4.4 Circuito hidráulico do módulo de pulverização. . . . . . . . . . 41
FIGURA 4.5 Diagrama em blocos do motor CC da válvula de controle e
ponte H. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
FIGURA 4.6 Diagrama de blocos do módulo de pulverização. . . . . . . . . 46
FIGURA 4.7 Curva KQV P versus θV (4.27) da válvula de controle VP1. . . 47
FIGURA 4.8 Diagrama em blocos do módulo de pulverização com o contro-
lador proporcional com ganho KC = 20. . . . . . . . . . . . . . . . . . . 47
FIGURA 4.9 Respostas reais e de simulação do módulo de pulverização com
controlador proporcional usando a ponta modelo ISO-11002. . . . . . . . 48
FIGURA 4.10 Respostas reais e de simulação do módulo de pulverização com
controlador proporcional usando a ponta modelo ISO-11003. . . . . . . . 49
x
FIGURA 4.11 Respostas reais e de simulação do módulo de pulverização com
controlador proporcional usando a ponta modelo ISO-11004. . . . . . . . 50
FIGURA 4.12 Respostas reais e de simulação do módulo de pulverização com
controlador proporcional usando a ponta modelo ISO-11005. . . . . . . . 50
FIGURA 4.13 Ambiente de simulação mostrando a interface gráfica do con-
trole de vazão do agroquímico. . . . . . . . . . . . . . . . . . . . . . . . 51
FIGURA 4.14 Ambiente de simulação mostrando a interface gráfica do con-
trole de vazão da calda. . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
FIGURA 5.1 Resposta ao degrau do módulo de pulverização com controla-
dor proporcional (KC = 20) usando a ponta modelo ISO-11002. . . . . . 55
FIGURA 5.2 Diagrama de blocos de um sistema de controle a malha fechada. 56
FIGURA 5.3 Função de chaveamento u (linha pontilhada) e saída típica do
processo y (linha sólida). . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
FIGURA 5.4 Malha de controle com a função de chaveamento no erro. . . . 59
FIGURA 5.5 Malha de controle com a função de chaveamento na referência. 59
FIGURA 5.6 Componentes de um sistema de inferência fuzzy do tipo Mam-
dani. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
FIGURA 5.7 Exemplo: definições das funções de pertinência sendo B=baixa,
M=média, A=alta, P=pequena, e G=grande. . . . . . . . . . . . . . . . 64
FIGURA 5.8 Exemplo: fuzzificação das variáveis de entrada. . . . . . . . . 65
FIGURA 5.9 Exemplo: inferência da região fuzzy de saída através das fun-
ções MAX-MIN. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
FIGURA 5.10 Exemplo: defuzzificação da variável de saída. . . . . . . . . . . 67
FIGURA 5.11 Diagrama em blocos do controlador PID fuzzy adaptativo im-
plementado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
FIGURA 5.12 Diagrama em blocos do sistema de sintonia fuzzy. . . . . . . . 70
FIGURA 5.13 Representação do sistema fuzzy implementado. . . . . . . . . . 70
FIGURA 5.14 Superfície de ajuste do parâmetro Kc. . . . . . . . . . . . . . . 73
xi
FIGURA 5.15 Superfície de ajuste do parâmetro Ti. . . . . . . . . . . . . . . 74
FIGURA 5.16 Superfície de ajuste do parâmetro Td. . . . . . . . . . . . . . . 74
FIGURA 5.17 Esquema de avaliação e atualização dos parâmetros do contro-
lador PID. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
FIGURA 6.1 Respostas dos controladores PID e PID fuzzy do módulo de
pulverização. (a)Vazão da calda QF e (b) Erro de aplicação com relação
a referência, onde as linhas contínuas indicam a faixa de erro de ±5%. . 79
FIGURA 6.2 Adaptação de parâmetros do controlador PID fuzzy por escalo-
namento de ganho. (a) A variável de entrada E. (b) a (d) Os parâmetros
atualizados no controlador PID fuzzy Kc, Ti e Td. . . . . . . . . . . . . . 80
FIGURA 6.3 Respostas da pressão PS do sistema com os controladores PID
e PID fuzzy por escalonamento de ganho do módulo de pulverização. . . 81
FIGURA 6.4 Respostas do controlador PI do módulo de injeção. (a)Vazão
QH e (b) Erro de aplicação com relação a referência, onde as linhas
contínuas indicam a faixa de erro de ±5%. . . . . . . . . . . . . . . . . . 81
FIGURA A.1 Diagrama esquemático da placa de interface com o inversor de
frequência. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
FIGURA A.2 Diagrama esquemático dos circuitos de acionamento das vál-
vulas VP1, VP2, VS1 e VS2. . . . . . . . . . . . . . . . . . . . . . . . . 89
FIGURA A.3 Diagrama esquemático dos circuitos do amplificador de potên-
cia, condicionamento de sinal e alimentação do encoder do módulo de
injeção. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
FIGURA A.4 Diagrama esquemático da placa de acionamento da bomba de
descarte e ligações dos sensores de nível e do fluxômetro. . . . . . . . . . 91
xii
Lista de Tabelas
TABELA 2.1 Comparação entre os DIS e um CS. . . . . . . . . . . . . . . . 11
TABELA 3.1 Tabela verdade para o acionamento das válvulas VP1, VP2,
VS1 e VS2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
TABELA 3.2 Características do sistema de pulverização implementado neste
trabalho e de um sistema de pulverização comercial. . . . . . . . . . . . 32
TABELA 3.3 Faixas de operação das pontas da pulverização do fabricante
ARAG. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
TABELA 4.1 Valores dos parâmetros do modelo do módulo de injeção. . . . 37
TABELA 4.2 Valores dos parâmetros para cálculo da vazão mínima para o
escoamento turbulento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
TABELA 4.3 Valores dos parâmetros do módulo de pulverização. . . . . . . 46
TABELA 5.1 Fórmulas de sintonia quando o controlador é do tipo P. . . . . 61
TABELA 5.2 Fórmulas de sintonia quando o controlador é do tipo PI ou PID. 62
TABELA 5.3 Exemplo: base de regras para abertura da válvula de alívio. . 66
TABELA 5.4 Parâmetros do PID obtidos por auto-sintonia do modelo do
módulo de pulverização. . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
TABELA 5.5 Conjuntos fuzzy de entrada e saída. . . . . . . . . . . . . . . . 71
TABELA 5.6 Base de regras. . . . . . . . . . . . . . . . . . . . . . . . . . . 72
xiii
TABELA 6.1 Desempenho dos controladores implementados para o módulo
de pulverização. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
TABELA 6.2 Desempenho do controlador implementado para o módulo de
injeção. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
xiv
Lista de Abreviaturas
AP Agricultura de precisão.
CC Corrente contínua.
CNTP Condições normais de temperatura e pressão.
DIS Sistema de injeção direta – Direct Injection System.
FPGA Circuito integrado de lógica reconfigurável -
- Field Programable Gate Array.
GNSS Sistemas de navegação global via satélite -
- Global Navigation Satellite Systems.
GPS Sistema de posicionamento global – Global Positioning System.
PAC Controlador programável para automação.
PI Controlador proporcional-integral.
PID Controlador proporcional-integral-derivativo.
SIG Sistemas de informação geográfica.
TI Tecnologia de informação.
VRA Aplicação em taxa variada – Variable Rate Application.
xv
xvi
Lista de Símbolos
QF ref Referência de vazão para a calda.
R Taxa de aplicação.
V Velocidade de deslocamento do pulverizador.
LB Comprimento da barra.
yref Variável de referência.
y Variável de saída do processo ou variável medida.
e Erro, diferença entre as variáveis de referência e do processo.∫
edt Integral do erro.
de/dt Derivada do erro.
u Variável manipulada.∑
Soma das variáveis.
× Multiplicação das variáveis.
Kc Parâmetro de ganho proporcional.
Ti Parâmetro de tempo de integração.
Td Parâmetro de tempo derivativo.
QBP Vazão da bomba de pulverização.
ωP Rotação da bomba de pulverização.
ωMP Rotação do motor trifásico.
NA Nível do tanque de água.
VNA Tensão do sensor de nível do tanque de água.
V′
MP Tensão na placa de interface do inversor de frequência.
VMP Tensão nos módulos conectados ao inversor de frequência.
QF Vazão da calda.
QR Vazão da calda no retorno da válvula de controle.
xvii
θV Posição angular do embolo da válvula de controle.
V 1, V 2 Tensão nas válvulas proporcionais.
V 3, V 3 Tensão nas válvulas de seção.
ENV P ou DV Ciclo de trabalho do PWM das válvulas proporcionais.
AFV Seleciona a abertura ou fechamento das válvulas.
fF Frequência de saída do fluxômetro.
P s, P 1 Pressão do sistema e da barra, respectivamente.
VP s, VP 1 Tensão de saída dos sensores de pressão do sistema e da barra,
repectivamente.
ωH Rotação do motor do módulo de injeção.
iH Corrente de amadura do motor do módulo de injeção.
ViH Tensão proporcional a corrente de amadura do motor do módulo
de injeção.
VH Tensão de amadura do motor do módulo de injeção.
DH Ciclo de trabalho do PWM do motor do módulo de injeção.
QH Vazão do módulo de injeção.
PH Pressão na saída do módulo de injeção.
NHmin Nível mínimo do tanque de agroquímico.
VNHmin Tensão do sensor de nível mínimo do tanque de agroquímico.
NDmin, NDmax Nível mínimo e máximo do tanque de descarte, respectivamente.
VNHmin Tensão do sensor de nível mínimo e máximo do tanque de
descarte, respectivamente.
VBD Tensão na bomba de descarte.
V′
BD Tensão na saída do módulo que aciona a bomba de descarte.
m Número de seções de barra.
n Número de bicos por seção de barra.
E Distância entre os bicos.
DH Ciclo de trabalho do PWM do módulo de injeção.
KP Ganho do amplificador de potencia do módulo de injeção.
KT Constante de torque do motor do módulo de injeção.
KE Força contra-eletromotriz do motor do módulo de injeção.
RH Resistência de armadura do motor do módulo de injeção.
LH Indutância de armadura do motor do módulo de injeção.
xviii
J Momento de inércia do motor do módulo de injeção.
b Coeficiente de atrito viscoso do motor do módulo de injeção.
KB Deslocamento volumétrico da bomba do módulo de injeção.
Re Número de Reynolds.
ρ Densidade absoluta do fluído.
di Diâmetro interno do conduto.
υ Velocidade média do fluído.
δ Viscosidade dinâmica absoluta do fluído.
Ai Área transversal interna do conduto.
CD Coeficiente de descarga do elemento hidráulico.
KQ Resistência fluídica do elemento hidráulico.
fa Coeficiente de perda de carga distribuída.
∆P Queda de pressão.
QA Vazão da água.
QS Vazão da calda em uma seção de barra.
QT Vazão da calda em um trecho da seção de barra.
QP Vazão nas pontas de pulverização.
KP H Ganho da ponte H que aciona a válvula de controle da calda.
ZM Zona morta.
KM Constante de ganho do modelo do motor da válvula de controle da calda.
TM Constante de tempo do modelo do motor da válvula de controle da calda.
u2 Operação de potenciação da variável - eleva ao quadrado.
τ Tempo de resposta do fluxômetro.
ωA Frequência de amostragem.
T Período de amostragem.
ωbma Banda de passagem de malha fechada.
tr Tempo de subida.
τd Constante de tempo dominante.
ωn Frequência natural.
U Universo de discurso de uma variável fuzzy.
xix
xx
Resumo
MERCALDI, H. V. Automação de um sistema de pulverização para aplica-
ção de agroquímicos a taxa variada usando injeção direta. Dissertação (Mes-
trado) - Escola de Engenharia de São Carlos da Universidade de São Paulo, São Carlos,
2012.
Neste trabalho, a automação de um sistema de pulverização a taxa variada com
injeção direta é apresentado. A automação do sistema de pulverização montado em
uma bancada laboratorial estática foi baseado em um controlador programável com
capacidade de tempo real. Os sistemas de pulverização com injeção direta possibilitam
o uso de diferentes agroquímicos em uma mesma aplicação, e adicionalmente reduzem
os impactos toxicológico e ambiental relacionados com o preparo e descarte da mistura
de agroquímico e água. A automação deste sistema envolve o desenvolvimento de pla-
cas de interface, a modelagem do pulverizador e o controle das vazões. Um ambiente
de simulação baseado no LabVIEW permitiu que os códigos fonte e as rotinas desen-
volvidas fossem utilizadas diretamente no controlador programável, exigindo pouca ou
nenhuma modificação. Para regular a vazão de injeção do agroquímico, que é dada por
uma bomba de pistão, é utilizado um controlador proporcional-integral (PI). Já para
regular a vazão da mistura de agroquímico e água, que é dada por uma válvula de
controle proporcional de três vias, são implementados dois controladores: um contro-
lador proporcional-integral-derivativo (PID) e um controlador adaptativo do tipo PID
fuzzy por escalonamento de ganho. O desempenho dos controladores implementados
são analisados via os resultados do erro de aplicação e das vazões.
Palavras-chave: Agricultura de precisão, automação, controle PID fuzzy, injeção
direta, taxa variada.
xxi
xxii
Abstract
MERCALDI, H. V. Automation of a direct injection sprayer system for
variable rate application of agrochemicals. Dissertação (Mestrado) - Escola de
Engenharia de São Carlos da Universidade de São Paulo, São Carlos, 2012.
In this work, the automation of a direct injection sprayer system for variable rate
application of agrochemicals is presented. The automation of the sprayer system assem-
bled on a laboratory static bench is based on a programmable controller with real time
capabilities. Variable rate sprayer with direct injection systems allow multiple agroche-
mical application and additionally reduces the toxicologic and environmental risks as-
sociated with the carrier-agrochemical mix preparation and discard. The automation of
this system comprises the development of interface boards, the sprayer modeling and the
control of flow rates. Using a simulation environment based on LabVIEW, the developed
source code and routines could be implemented directly in the programmable controller,
requiring few or no changes. For the injection flow rate, which is set by a piston pump,
a proportional-integral (PI) controller is used. And, to regulate the carrier-agrochemical
mix flow rate, which is set by a three-way proportional control valve, two controllers are
used: a proportional-integral-derivative (PID) controller and a fuzzy gain scheduling
of PID controller. The performance of the implemented controllers is analyzed via the
flow rates and the application error results.
Keywords: Automation, direct injection, PID fuzzy control, precision agriculture,
variable rate.
xxiii
xxiv
Capítulo 1
Introdução
O homem iniciou sua jornada no cultivo de plantas e criação de animais no período
neolítico, há cerca de 10.000 anos, desde então a agricultura conquistou o mundo, e
tornou-se o principal fator de transformação da ecosfera. O aumento da sua capaci-
dade de produção e de produtividade condicionam o aumento da população mundial e
o desenvolvimento de categorias sociais (MAZOYER et al., 2010). A mecanização agrí-
cola teve início por volta de 1830, com o desenvolvimento das segadoras1. No entanto,
somente por volta de 1910, houve a disseminação do uso dos primeiros tratores aciona-
dos por motores de combustão interna. Desde então, a mecanização agrícola esteve em
constante evolução, provocando grande aumento na produtividade do trabalho rural
(QUEIROZ; DIAS; MANTOVANI, 2006).
Antes mesmo da mecanização os benefícios da aplicação diferenciada de insumos,
como o esterco, já eram conhecidos pelos agricultores, mas foi por volta de 1938 que
surgiram os primeiros trabalhos sobre a variabilidade espacial das culturas, dando iní-
cio aos primeiros conceitos do que se entende hoje por agricultura de precisão (AP)
(COELHO, 2005). Segundo Coelho (2005): "Agricultura de precisão engloba aspectos
da variabilidade dos solos, clima, diversidade de culturas, performance de máquinas
agrícolas e insumos (físicos, químicos e biológicos) naturais ou sintéticos, usados na
produção das culturas". Os principais conceitos da AP são apresentados no próximo
capítulo deste trabalho.
Apesar das pesquisas sobre a variabilidade dos solos e das culturas terem se ini-
1máquina empregada na colheita ou ceifa de grãos e cereais
1
ciado na década de 1930, foi somente com os avanços da tecnologia na década de
1980 que a AP ganhou força (INAMASU et al., 2011). Neste sentido, os processadores
e microcontroladores, o sistema de posicionamento global (GPS), os sistemas de infor-
mação geográfica (SIG), o sensoriamento remoto e os sensores podem ser consideradas
tecnologias precursoras para o desenvolvimento da AP (COELHO, 2005) (MANTOVANI,
1999-2002 apud JUNIOR et al., 2006).
A partir de 1993, com o final da implantação dos satélites GPS e sua disponibilidade
para uso civil, houve um grande aumento no número de pesquisas voltadas para a
agricultura de precisão (QUEIROZ; DIAS; MANTOVANI, 2006). No Brasil, as primeiras
iniciativas de adoção de práticas e pesquisa em AP surgiram na segunda metade da
década de 1990 (RESENDE et al., 2010; BAIO; ANTUNIASSI, 2011).
Ainda hoje, os grandes centros produtores do país não adotaram extensivamente as
técnicas da AP, desta forma a agricultura ainda é praticada sem considerar os efeitos
da variabilidade (MOLIN, 2004; RESENDE et al., 2010), refletindo no consumo excessivo
de agroquímicos (fertilizantes, herbicidas, inseticidas, fungicidas, reguladores do cresci-
mento, entre outros). Somente no ano 2011, foram consumidos no Brasil por volta de
800 mil toneladas de agroquímicos, onde 48% é de herbicidas (FERREIRA; CAMARGO;
VEGRO, 2012). Esse consumo elevado é justificado porque sem a adoção de práticas de
plantas invasoras as perdas na produtividade da lavoura podem variar de 10% a 100%
(KROPFF; LAAR, 1993).
Considerando a necessidade de controle de plantas invasoras através do uso herbici-
das, além dos benefícios para o produtor rural e para o ambiente proporcionadas pela
adoção da AP o Laboratório de Controle2 e a Embrapa Instrumentação3 formaram um
grupo de pesquisa, com o apoio do Prof. Dr. Brian L. Steward da Iowa State Uni-
versity (ISU) para as modelagens, visando a formação de mão de obra qualificada e a
expansão do conhecimento acerca da tecnologia de aplicação de agroquímicos líquidos.
Com o apoio financeiro do CNPq4 e a parceria no âmbito da Rede de Agricultura de
Precisão5, esta equipe implantou um laboratório situado na Embrapa Instrumentação,
com uma plataforma flexível para o desenvolvimento de pulverizadores, chamada aqui
2LAC - Departamento de Engenharia Elétrica - EESC - USP - São Carlos3Unidade XV de Novembro - São Carlos4Processos: 306988/2007-0, 479306/2008-7 e 143452/2008-85Macro Programa 1, Processo 01.09.01.002.01
2
de bancada de pulverização (CRUVINEL et al., 2011).
Esse trabalho de pesquisa, envolve a instrumentação, a obtenção dos modelos ma-
temáticos e a implementação de controladores para a automação de um sistema de
pulverização. Especificamente, o sistema estudado é um pulverizador de barras com in-
jeção direta de agroquímicos, caracterizado por apresentar reservatórios separados para
o diluente (água) e o agroquímico. São apresentados a instrumentação para o aciona-
mento e condicionamento de sinal, um ambiente de simulação baseado nos modelos
obtidos e a implementação dos controladores, sendo um para regular a vazão de injeção
(módulo de injeção) do agroquímico e outros dois para regular vazão de pulverização
(módulo de pulverização) da calda (mistura de agroquímico e água). O ambiente de si-
mulação desenvolvido a partir dos modelos obtidos é utilizado para facilitar o ajuste dos
controladores durante seu desenvolvimento. Ao final do trabalho, são apresentados os
resultados experimentais dos controladores implementados e comparados os resultados
dos controladores usados para regular a vazão de pulverização da calda.
1.1 Objetivos
O objetivo geral deste trabalho é automação de um sistema de pulverização para
aplicação de agroquímicos a taxa variada usando injeção direta. Para atender ao obje-
tivo geral, os seguintes objetivos específicos são delineados:
Implementação da instrumentação do sistema de pulverização;
Obtenção dos modelos matemáticos do pulverizador com injeção direta montado
na bancada de pulverização;
Avaliação do sistema de pulverização usando um controlador proporcional-integral
(PI) para o módulo de injeção e outros dois controladores para o módulo de
pulverização, sendo o primeiro um controlador proporcional-integral-derivativo
(PID) e o outro um controlador adaptativo do tipo PID fuzzy por escalonamento
de ganho.
3
1.2 Organização do Trabalho
O trabalho está organizado em oito capítulos. No Capítulo 2, seguindo esta in-
trodução, é apresentada a revisão bibliográfica abordando os conceitos iniciais acerca
do desenvolvimento de sistemas de pulverização a taxa variada com injeção direta, in-
cluindo também os conceitos e trabalhos recentes sobre os controladores eletrônicos
usados nesses sistemas. No Capítulo 3, são apresentados o sistema de pulverização
para aplicação de agroquímicos a taxa variada usando injeção direta e a instrumentação
desse sistema. No Capítulo 4, são apresentados os modelos matemáticos obtidos e o
ambiente de simulação desenvolvido. No Capítulo 5, são apresentadas as ferramen-
tas e os controladores implementados para os módulos de pulverização da calda e de
injeção direta de agroquímicos. No Capítulo 6, são apresentados os resultados experi-
mentais e a análise desses resultados. No Capítulo 7, são apresentadas as conclusões.
No Capítulo 8, são apresentadas as propostas para trabalhos futuros, baseadas nos
trabalhos que vem sendo desenvolvidos.
4
Capítulo 2
Revisão Bibliográfica
2.1 Introdução a Agricultura de Precisão
Uma ampla diversidade de plantas, insetos e patógenos, chamados aqui de pragas,
podem causar perdas consideráveis em qualidade e quantidade nas plantações. Essas
pragas devem ser monitoradas e gerenciadas, com o intuito de reduzir seu impacto
negativo na produção de alimentos, rações, fibras e matéria prima para combustíveis.
O crescimento da população mundial, que recentemente atingiu sete bilhões de
pessoas, juntamente à busca por fontes de recursos renováveis, têm tornado, cada vez
mais, necessário o aumento da produção e da produtividade agrícola. Para atender a
esta demanda, as plantações devem ser protegidas das pragas de modo efetivo, eficiente,
sem prejudicar o meio ambiente e o homem. Para isso, podem ser utilizadas ferramentas
mecânicas, biológicas, químicas ou a combinação destas.
Quanto à forma de utilização dessas ferramentas, é importante considerar que as
pragas se distribuem dentro de uma plantação, de forma heterogênea tanto no espaço
quanto no tempo. O mesmo acontece com as características do solo, como os nutrientes
e a água. Esses fatores, que se distribuem de forma não uniforme, afetam o crescimento
da lavoura, influenciando em sua produção e produtividade (OERKE et al., 2010).
Para combater estas pragas é preciso mapeá-las para estudar sua interação com a
cultura ao longo dos anos a fim de tomar a melhor decisão do ponto de vista econômico.
As ferramentas que proporcionam esta análise e os equipamentos para o combate das
pragas fazem parte da AP.
5
São diversos os autores que definem a agricultura de precisão, de modo geral, a AP
consiste de um conjunto de conceitos, tecnologias e equipamentos voltados ao manejo
da variabilidade espacial e temporal associada à produção agrícola empregados para
a redução dos custos de produção através da otimização do uso de recursos, levando
ao aumento da produtividade das culturas e da qualidade ambiental (PIERCE; NOWAK,
1999; MOLIN, 2004; MANTOVANI; QUEIROZ; DIAS, 1998).
A AP é constituída por um ciclo composto de basicamente por três etapas: (i) coleta
de informações, (ii) interpretação das informações e (iii) aplicação de insumos (agroquí-
micos, sementes e irrigação). Na primeira etapa são obtidas amostras georeferenciadas
do solo e da planta, na segunda etapa são analisados os dados obtidos a fim de obter
mapas com a distribuição espacial dos atributos analisados (produtividade, nutrientes,
disponibilidade de água, densidade de plantas invasoras, etc) a interpretação desses
mapas pode servir como base para gerar mapas de prescrição localizada de insumos e
agroquímicos, finalmente ocorre a aplicação à taxa variável de insumos e agroquímicos.
O ciclo se reinicia com os dados obtidos com a aplicação para a geração de mapas de
rastreabilidade (mapas georeferenciados contendo os dados reais da aplicação). Nesse
processo é importante o acompanhamento da lavoura durante o ciclo das culturas, a
investigação das relações de causa e efeito, a análise econômica e o replanejamento das
atividades de manejo visando à otimização dos recursos (MANTOVANI, 2006; AMADO et
al., 2006).
Considerando o ciclo da AP, o gerenciamento de uma lavoura utilizando suas téc-
nicas pode incluir o uso de ferramentas de tecnologia de informação (TI), sistemas
globais de navegação via satélite (GNSS), sistemas de informação geográfica (SIG),
sensoriamento remoto, sistemas de gerenciamento de banco de dados, sistemas de tele-
comunicações e de maquinário especializado (MOLIN, 1997; MENEGATTI; MOLIN, 2004).
Assim, a AP não consiste somente na habilidade de aplicar agroquímicos (ferti-
lizantes, herbicidas, inseticidas, fungicidas, reguladores do crescimento, entre outros)
de forma localizada, mas sim em uma metodologia para a compreensão do processo
produtivo da lavoura visando otimizar o uso de recursos e o retorno financeiro. Como
consequência as técnicas de AP podem ser compreendidas como uma forma de ma-
nejo sustentável da lavoura (QUEIROZ; DIAS; MANTOVANI, 2006; ZHANG; WANG; WANG,
2002).
6
No Brasil, as recomendações de agroquímicos, como herbicidas e pesticidas, têm
sido estabelecidas com uma margem de segurança do volume de aplicação, levando à
utilização de doses até duas vezes maiores que o mínimo (ANDREI, 2005; RAETANO,
2011). Adicionalmente, apesar dos avanços tecnológicos e do conhecimento da hete-
rogeneidade das culturas, em geral em nosso país, a aplicação de agroquímicos é feita
pela média sem considerar as variabilidades espacial e temporal (MOLIN, 2004).
Segundo Raetano (2011), a tendência das aplicações é pela diminuição do volume
aplicado, reduzindo o consumo de água, principal diluente desses produtos. Em contra-
partida, para proporcionar uma cobertura equivalente, é necessário fracionar o volume
aplicado em gotas menores, o que aumenta o risco da aplicação devido ao fenômeno de
deriva das gotas.
Desta forma, é importante que os equipamentos voltados a aplicação de agroquími-
cos desenvolvidos atualmente atendam as necessidades da AP.
2.2 Aplicação de Agroquímicos por Pulverização
A AP também engloba as técnicas de manejo da lavoura como a semeadura, a col-
heita, o combate às pragas, entre outras. Dessa forma o manejo fitossanitário, visando
o combate à pragas, deve ser realizado de acordo com a variabilidade espacial do alvo.
Neste sentido, quando a opção é pelo controle químico, envolvendo a pulverização
de produtos potencialmente danosos ao meio ambiente, como os herbicidas, há um
desafio para a agricultura devido aos riscos associados à aplicação destes agroquímicos,
que incluem, mas não limitam-se, a contaminação ambiental de áreas não alvo devido
a deriva, a lixiviação1 e a evaporação.
Dentre os riscos citados, o tamanho das gotas formadas no processo de pulverização
tem influência direta com a deriva e a evaporação, sendo objeto de estudos que visam
o desenvolvimento de pontas pulverização que reduzem a deriva e adjuvantes para
reduzir a evaporação. Na aplicação de agroquímicos, a deriva é a distância horizontal
percorrida pelas gotas formadas no processo de pulverização, sendo influenciada pelo
seu tamanho/volume e pelas condições climáticas. Para avaliar a propensão à deriva
1processo de lavagem das folhas da plantas alvo pelas chuvas
7
utiliza-se a análise do espectro de gotas, onde é determinado a distribuição percentual do
diâmetro das gotas formadas. Diferentes pesquisadores consideram que gotas menores
que 100 µm são facilmente carregadas pelo vento (CUNHA, 2008).
Na prática, através do estudo do espectro de gotas são determinadas as condições
nas quais o efeito da deriva é reduzido, aumentando a eficiência da pulverização e
reduzindo o risco de contaminação de áreas não alvo. Para herbicidas, é recomendada
a aplicação nas condições de temperatura ambiente inferior a 30oC, umidade relativa
do ar superior a 55% e velocidade do vento entre 3 e 10 Km/h (CAVENAGHI, 2011).
Dentro do conceito da AP, a pulverização deve ser feita de forma localizada, ou
seja, o agroquímico deve ser aplicado na quantidade necessária e atingir somente o alvo
desejado. Isso leva ao conceito de aplicação em taxa variada que consiste em variar o
volume do produto aplicado por hectare. A aplicação de agroquímicos em taxa variada
pode ser baseada em mapas de prescrição ou baseada em sensores.
Aplicação baseada em mapas: referem-se aos sistemas de aplicação nos quais a re-
ferência da dose é dada por um mapa georeferenciado. Para isso são coletadas amostras
no campo agrícola de forma sistemática. Essas amostras são analisadas e os dados obti-
dos são usados para criação do mapa de prescrição (ESS; PARSONS; MEDLIN, 2001). Os
resultados obtidos nessa abordagem mostram o controle de até 98% das plantas invaso-
ras (plantas daninhas) com redução do uso de herbicidas entre 20% e 90%, se comparado
à aplicação em taxa constante (TIMMERMANN; GERHARDS; KüHBAUCH, 2003; DICKE;
KüHBAUCH, 2006; GERHARDS; OEBEL, 2006).
Aplicação baseada em sensores: referem-se aos sistemas de aplicação nos quais a
referência da dose é obtida somente no momento da aplicação. Para isso são usados
sensores capazes de monitorar alguma característica importante do alvo. Os sensores
usados podem ser de diferentes tipos, de acordo com as caraterísticas do produto a ser
aplicado e do alvo. Na aplicação baseada em sensores, em geral, é usada uma unidade
de processamento dos sinais ou imagens com o objetivo de inferir a dose durante a
aplicação. Weis et al. (2008), com um sistema baseado em visão computacional, obteve
uma economia de herbicidas de 42%, comparado à aplicação uniforme.
Apesar dos trabalhos citados mostrarem uma economia maior de agroquímicos na
8
abordagem utilizando a aplicação baseada em mapas de prescrição não há evidencias,
quanto a eficiência, que justifique a adoção de uma abordagem em detrimento da ou-
tra. Assim, na prática o importante é a capacidade do controlador regular a taxa de
aplicação.
2.3 Pulverizadores com Injeção Direta
A pulverização de agroquímicos em taxa variada pode ser feita por via terrestre
(SHIRATSUCHI; FONTES, 2002), aérea (BOUSE; CARLTON; MORRISON, 1981) ou aquática
(ANTUNIASSI et al., 2003). O pulverizador de barras com sistema de injeção direta
(DIS)2, usado neste trabalho, encontra-se entre as tecnologias de aplicação por via
terrestre. A principal característica dos pulverizadores com DIS é o uso de reservatórios
separados para os agroquímicos e o diluente (em geral água), dessa forma a mistura
para a formação da calda ocorre em tempo real, imediatamente antes da pulverização
(LAMMERS; VONDRICKA, 2008).
Segundo Lammers e Vondricka (2010), a principal motivação do desenvolvimento
dos DIS é aumentar a flexibilidade do pulverizador, devido à capacidade da aplicação
de diferentes produtos ao mesmo tempo e a possibilidade de variar tanto a taxa como
a concentração da calda, além de propiciar maior segurança ao operador, pois não é
necessária a manipulação do agroquímico para o preparo da calda.
Os DIS podem ser divididos de acordo com o local onde ocorre a injeção. Lammers
e Vondricka (2010) definem três tipos básicos de DIS: os sistemas com injeção direta
central (CDIS), sistemas com injeção direta nas barras de seção (BDIS) e sistemas com
injeção direta nos bicos (NDIS). Baseado nestas definições foi elaborada a Figura 2.1,
que ilustra os pontos de injeção.
Sistemas com injeção direta central (CDIS): o agroquímico é injetado entre o
reservatório de água e as seções de barra. Na Figura 2.1, isso corresponde aos pontos
de injeção 1 e 2. As vantagens de injeção antes da bomba de pulverização, ponto 1,
são a uniformidade da mistura e a possibilidade de utilização de bombas de injeção de
baixa pressão. Quanto à injeção após a bomba de pulverização, ponto 2 e seguintes, são
2do inglês: direct injection system
9
bomba de pulverização
(1)
diluente (água )
(2)
CDIS
seção de barra
(3)
CDIS
BDIS
NDIS
seção de barra
(4)
bicos
pontas de pulverização
agroquímico
agroquímico
agroquímico
agroquímico
Figura 2.1: Tipos de sistema de injeção de acordo com o ponto de injeção.
usados misturadores estáticos para homogenizar a calda. A principal desvantagem dessa
abordagem é o elevado atraso de transporte (em alguns casos, mais de 20 segundos), em
decorrência da distância entre o ponto de injeção e as pontas de pulverização (WALKER;
BANSAL, 1999; SUDDUTH; BORGELT; HOU, 1995).
Sistemas com injeção direta na barra (BDIS): cada seção de barra do pulveriza-
dor possui um sistema para a injeção do agroquímico. Na Figura 2.1 isso corresponde
ao ponto de injeção 3. Comparados aos CDIS, a distância entre o ponto de injeção e
as pontas é menor, assim o atraso de transporte também é menor (OERKE et al., 2010).
Sistemas com injeção direta nos bicos (NDIS): o agroquímico é injetado dire-
tamente em cada bico de pulverização. Na Figura 2.1 isso corresponde ao ponto de
injeção 4. Em comparação com os DIS anteriores, essa abordagem apresenta um atraso
de transporte muito pequeno. Por outro lado, também é reduzido o tempo para a
formação da calda, assim são reportados problemas com relação a homogeneidade da
mistura (ROCKWELL; AYERS, 1996; ZHU et al., 1998).
Na Tabela 2.1, são comparadas as principais características dos DIS em relação a um
10
sistema de pulverização convencional (CS)3 sem variação da taxa (OERKE et al., 2010).
O custo e a complexidade dos sistemas são os principais fatores para a comercialização
das tecnologias (LAMMERS; VONDRICKA, 2010).
Tabela 2.1: Comparação entre os DIS e um CS.
Fatores CS CDIS BDIS NDISFlexibilidade pequena média média altaTempo de resposta rápido lento médio rápidoQualidade da mistura excelente excelente boa satisfatóriaComplexidade baixa média média altaCusto baixo médio elevado muito elevado
Dentre a configurações dos sistemas de pulverização com injeção direta apresentados
um CDIS será montado neste trabalho, isso devido principalmente à disponibilidade e
ao custo dos componentes utilizados para sua montagem.
2.4 Controlador de Pulverização
O uso da eletrônica embarcada em sistemas de pulverização é justificada pela ne-
cessidade do controle da taxa de aplicação, de modo a garantir precisão no volume
de agroquímico aplicado por área, compensando ainda as variações na velocidade de
deslocamento do pulverizador. A essa função básica nos controladores eletrônicos de
pulverização, mais recentemente, vem sendo associadas outras, que em pulverizadores
de barras podem incluir entre outras a abertura e fechamento das seções barras e o
controle de altura da barra.
Em sua configuração básica o controlador é conectado aos sensores de vazão e de
velocidade de deslocamento do pulverizador e com o atuador que regula a vazão da
calda. A referência dessa vazão é obtida através dos mapas de prescrição ou de sensores
de campo, sendo calculada a partir destes por:
QF ref =R V LB
60000(2.1)
onde QF ref é a referência de vazão para a calda em `/min, R é a taxa de aplicação em
`/ha, V é a velocidade de deslocamento do pulverizador em Km/h, LB é o comprimento
3do inglês: common sprayer.
11
da barra em cm e o número 60000 é uma constante de ajuste das unidades. Uma vez
calculada a variável de referência QF ref e utilizando um fluxômetro4 para medir a
vazão instantânea da calda, pode-se implementar um controlador em malha fechada
para regular a vazão da calda.
Os tipos mais simples de controladores em malha fechada são os baseados na ações
proporcional, integral e derivativa (controladores PID). Esses controladores apresentam
uma ação de controle baseada em operações de integração, diferenciação e multiplicação
(proporcional ou ganho) do erro, dado pela diferença entre a variável de referência e a
variável medida (ASTROM; HAGGLUND, 2006; KATSUHIKO, 2003).
Rosseto (2008) utilizou o protótipo de um sistema de pulverização em taxa variada
para a aplicação baseada em mapas de prescrição. No qual a vazão é regulada através
de uma válvula de três vias e para medi-la é usado um fluxômetro. São comparados os
desempenhos de um controlador PID convencional com um controlador fuzzy com ação
de controle do tipo PID e os resultados mostram que o controlador fuzzy apresentou
melhor desempenho.
Queiros (2010) desenvolveu um sistema para a pulverização de reguladores de cresci-
mento em taxa variada baseada em sensores. A vazão, medida através de um fluxô-
metro, é regulada pelo uso de um controlador do tipo PID. A referência da taxa de
aplicação ou dose é obtida através de sensores de ultrassom, usados para monitorar a
altura da planta.
Yin et al. (2011) desenvolveram um robô de pulverização. Um controlador PID
fuzzy adaptativo com escalonamento de ganho é usado nos sistemas de pulverização
e no de controle de trajetória. Segundo o autor essa abordagem é adotada devido
à complexidade e à dinâmica não linear (histerese) do sistema de pulverização. Os
resultados mostram a melhoria da reposta transitória e a redução do erro estacionário.
Paice, Miller e Day (1996) apresentaram um estudo sobre os requisitos de um sis-
tema para aplicação de herbicidas a taxa variada e concluíram que os sistemas de
pulverização devem ser capazes de aplicar diferentes herbicidas com concentrações va-
riadas, e os principais fatores que influenciam na eficiência da aplicação são: a precisão,
a velocidade de resposta e a faixa de trabalho do sistema de controle da taxa de apli-
4sensor de vazão
12
cação.
Os trabalhos experimentais na área de máquinas agrícolas voltados a aplicação
localizada mostram que é possível manter o erro estacionário em uma faixa inferior a
±5% (PAICE; MILLER; BODLE, 1995). Este valor, para o erro estacionário, vem sendo
adotado como padrão para avaliar a precisão de sistemas de pulverização comerciais
(STEWARD; HUMBURG, 2000; ANTUNIASSI; GANDOLFO; SIQUEIRA, 2011).
Os controladores fuzzy tem apresentado bons resultados em sistemas de pulveriza-
ção, desta forma, é proposto o uso de um controlador deste tipo para controlar a vazão
da calda neste trabalho.
2.5 Controle Adaptativo com Sistemas Fuzzy
A lógica fuzzy, também conhecida como lógica nebulosa ou difusa, introduzida por
Zadeh (1965), foi a base para o desenvolvimento de diversas aplicações voltadas a
identificação de padrões, processamento de sinais e imagens e controle de processos.
Na teoria clássica de conjuntos, os elementos pertencem ou não a um conjunto. A
lógica fuzzy permite relaxar essa condição, de modo que, os elementos possam per-
tencer aos conjuntos em diferentes graus. Assim a lógica fuzzy aproxima a linguagem
matemática da linguagem natural através do uso de termos linguísticos, por exemplo:
quando diz-se quente, morno e frio não existem definições rígidas do limiar entre estas
temperaturas.
A lógica fuzzy proporciona ainda ferramentas para realizar operações diversas como
união, intersecção, complemento, entre outras. Com o uso da lógica fuzzy e suas fer-
ramentas é possível implementar um sistema fuzzy, com a capacidade de aproximar a
decisão computacional da decisão humana, o que leva a inserção destes sistemas entre
os sistemas de inteligência artificial (SUMATHI; PANEERSELVAM, 2010).
Em geral quando um sistema fuzzy é utilizado no controle de processos, como a
temperatura de fornos e a temperatura e a pressão em caldeiras, este é chamado de
controlador fuzzy e foi inicialmente proposto por Mamdani e Assilian (1975), baseado
no trabalho de Zadeh (1973).
Os controladores fuzzy não se limitam a topologias específicas e podem ser imple-
13
mentados através de diversas abordagens (CHEN; PHAM, 2001). Dentre essas, algumas
implementações descritas na literatura se baseiam no controlador PID, sendo chamadas
de controladores PID fuzzy. Controladores PID fuzzy têm sido aplicados para melho-
rar o desempenho da malha de controle em processos lineares de ordem elevada e não
lineares, processos variantes no tempo e sistemas onde o modelo matemático não é bem
definido. Segundo (CHEN; PHAM, 2001), para sistemas lineares de baixa ordem não é
justificável o uso do PID fuzzy, pois esse e o PID convencional apresentam desempenhos
semelhantes.
As topologias dos controladores PID fuzzy, encontrados na literatura, podem ser
divididas em três:
Tipo 1 O sistema fuzzy substitui o PID;
Tipo 2 O sistema fuzzy e o PID são independentes, mas trabalham em conjunto;
Tipo 3 O sistema fuzzy modifica a dinâmica do controlador PID.
Os sistemas do tipo 1, ilustrado na Figura 2.2, têm sido usados com sucesso em
processos como: sistemas de freio anti-blocante (sistema não linear) (CHEN; SHIH, 2004),
biorreatores para produção de levedura (zona morta e não linear) (REIS, 2009), controle
de posição em motores de corrente contínua (aumento da velocidade de resposta e da
precisão) (NATSHEH; BURAGGA, 2010), sistema de levitação magnética (não linear)
(YADAV; TIWARI; NAGAR, 2012) e secadora de vapor aquecido (não linear, zona morta
e variante no tempo) (LIAN; MESSOM; KONG, 1999).
∑uyref
ruído
yprocesso∑
de/dt
fuzzyPD
+-
e
ʃ edt
Figura 2.2: Estrutura típica de um controlador PID fuzzy do tipo 1.
Os sistemas do tipo 2, ilustrado na Figura 2.3, têm sido usados com sucesso em
processos como: sistema supervisório para problemas de estacionamento autônomo
(RIID; RUSTERN, 2001), compensação de zona morta em motores de corrente contínua
14
(JANG, 2001) e no sistema hidráulico de veículos para remoção de neve (HUI; YONGBO;
MEIYU, 2009).
∑uyref
ruído
yprocesso∑
de/dt
fuzzyPD
+-
e
PID
Figura 2.3: Estrutura típica de um controlador PID fuzzy do tipo 2.
Os sistemas do tipo 3, são um tipo de controle adaptativo usando sistemas fuzzy.
Segundo Chen e Pham (2001), o controle fuzzy adaptativo é uma extensão da teoria de
controle fuzzy que permite expandir a aplicabilidade dos controladores fuzzy, seja para
uma classe mais ampla de sistemas ou para fazer o ajuste dos parâmetros do modelo de
um processo ou de um controlador. Os controladores fuzzy adaptativos têm sido usados
para melhorar o desempenho da malha de controle. As abordagens mais comuns desses
tipos de controladores são: o controlador adaptativo baseado em modelo, o controlador
auto-sintonizável, o controlador dual e o controlador por escalonamento de ganho.
Controlador adaptativo baseado em modelo: baseia-se na implementação de um
modelo fuzzy do processo e um mecanismo para ajustar o ganho da malha de controle.
Nesta abordagem, o sinal de referência yref é aplicado tanto no modelo fuzzy quanto no
processo real, um algoritmo calcula o ganho da malha de controle de modo a minimizar
o erro e entre as saídas do processo y e do modelo ym. A Figura 2.4, adaptada de Chen
e Pham (2001), ilustra o conceito desse controlador. Associadas a essa abordagem são
usadas técnicas numéricas para calcular o ganho adaptativo (CHEN; PHAM, 2001).
Controlador fuzzy auto-sintonizável: baseia-se no projeto de um controlador fuzzy
com parâmetros ajustáveis. Os parâmetros do controlador fuzzy dependem da dinâmica
do processo, representado por um conjunto de regras. Através de técnicas para a
identificação do processo (ex: curva de reação ou resposta em frequência de Ziegler
Nichols) e para o cálculo dos parâmetros do controlador, a cada iteração são atualizados
os parâmetros do controlador com os novos parâmetros. A Figura 2.5, adaptada de
15
uyref yprocesso
e
ym
ganho adaptativo
-+
X
modelo fuzzy
Figura 2.4: Controlador adaptativo baseado em modelo.
Chen e Pham (2001), ilustra este conceito onde yref é a entrada de referência, u e y
são respectivamente a entrada e saída do processo.
uyref yprocesso+
-
identificação do processo
controlador fuzzy
cálculo dos parâmetros do
controlador
Figura 2.5: Controlador fuzzy auto-sintonizável.
Controlador dual: baseia-se no projeto de um controlador e um estimador para
as características do processo. O estimador fornece informações estatísticas para o
controlador que será ajustado. Aplicado em sistemas fuzzy, esse conceito pode ser
entendido como uma forma a projetar um estimador que atua na definição dos conjuntos
fuzzy do controlador, modificando suas funções de pertinência continuamente (CHEN;
PHAM, 2001).
Kim (2001) propõe o uso de um controlador fuzzy dual para o controle de um
grupo de elevadores de alta velocidade. O objetivo desse controlador dual é minimizar
o tempo de espera em um prédio. Quando ocorre uma nova chamada o controlador
dual fuzzy avalia o tráfego e modifica as funções de pertinência associadas ao conjunto
de regras. Os controladores utilizam um mecanismo de inferência do tipo Mamdani.
16
Os resultados mostram que o controlador dual reduziu o tempo de espera médio em até
30%. A Figura 2.6, adaptada de Kim (2001), ilustra o esquema utilizado no controlador
dual.
y
conjunto de regras
fuzzificação
máquina de inferência
fuzzificaçãomáquina de inferência
defuzzificação
defuzzificação
conjunto de regras
funções de pertinência
processo
y
u
(2)controlador fuzzy do
processo
(1)controlador fuzzy
adaptativo
Figura 2.6: Controlador dual fuzzy para o controle de elevadores.
Controlador fuzzy por escalonamento de ganho: baseia-se na combinação di-
ferentes controladores em apenas um. Isso significa substituir diversos controladores,
cada um é ajustado para um ponto de operação do processo, por um único controlador
que atenda os requisitos de desempenho em diferentes pontos de operação. Isso exige
uma condição para determinar qual controlador está ativo. Usando sistemas fuzzy, isso
pode ser feito através de um conjunto de regras. Não existe um método formal de defini-
ção do conjunto de regras que, em geral, são concebidas heuristicamente (CHEN; PHAM,
2001). A Figura 2.7 ilustra esta abordagem aplicada na adaptação dos parâmetros de
um controlador PID.
Pu e Zhang (2009) propõem o uso de um controlador fuzzy por escalonamento de
ganho (Figura 2.7), para o controle de um válvula solenoide de alta velocidade,usada
em motores aeronáuticos. A aplicação é justificada pela baixa precisão e interferência,
obtida com o uso de outros tipos de controladores. O sistema fuzzy, do tipo Mamdani,
calcula a variação dos parâmetros Kc, Ti e Td do controlador PID, baseado no erro e
17
∑uyref
ruído
yprocesso
sistema fuzzy adaptativo
+-
ePID
de/dt
∆Kc ∆Ti ∆Td
Figura 2.7: Controlador fuzzy por escalonamento de ganho, tipo 3.
na sua variação. Os valores dos parâmetros, previamente sintonizados, são somados ou
subtraídos dos valores calculados. As variáveis de entrada e saída do sistema fuzzy são
divididas em sete termos linguísticos. Os resultados obtidos mostram que o controla-
dor PID fuzzy com adaptação de parâmetros apresenta um aumento significativo do
desempenho com relação ao sobressinal e ao tempo de resposta.
Bae et al. (2011) propõem o uso de um controlador fuzzy com escalonamento de
ganho, combinado com um filtro de Kalman, para o regular o deslocamento de cargas
em trilhos usando levitação magnética (MagLev). A estrutura sem contato e de baixo
ruído é apropriada para utilização em ambientes extremamente limpos. A aplicação é
justificada devido as características não lineares do sistema, a variação da carga, e o
baixo desempenho obtido com o uso dos controladores do tipo PID e de realimentação
de estado. O sistema fuzzy, do tipo Mamdani, calcula a variação dos parâmetros Kc,
Td do PID, baseado no erro e na sua variação. Esses valores são somados aos valores
dos parâmetros sintonizados previamente no PID. As variáveis de entrada do sistema
fuzzy são divididas em sete termos linguísticos e as de saída em dois. Um filtro de
Kalman é usado para eliminar o ruído do sinal do sensor de distância entre o trilho e a
estrutura. Os resultados das simulações mostram que o controlador proposto apresenta
um melhor desempenho com relação ao tempo de resposta e ao erro estacionário com
relação ao PID convencional.
Os controladores fuzzy tem sido utilizados com sucesso em diferentes tipos de pro-
cessos, melhorando o desempenho da malha de controle. Entre os controladores fuzzy
apresentados, o controlador fuzzy por escalonamento de ganho, possibilita a implemen-
tação paralela aos controladores PID, utilizados em muitos processos. Dessa forma,
sua implementação requer apenas uma adaptação nas rotinas de controle dos contro-
18
ladores eletrônicos de pulverização já existentes, sem a necessidade de uma completa
reformulação do código.
19
20
Capítulo 3
Instrumentação do Sistema
A bancada de pulverização usada neste trabalho (Figura 3.1), foi desenvolvida para
atuar como um plataforma flexível para o desenvolvimento de pulverizadores, aplica-
dores de fertilizantes líquidos e maturadores (CRUVINEL et al., 2011). Esta plataforma
de desenvolvimento está instalada em uma infraestrutura compartilhada entre a Em-
brapa Instrumentação e o Laboratório de Controle da Escola de Engenharia de São
Carlos, da Universidade de São Paulo.
A automação desse sistema é realizada com um Controlador Programável para
Automação (PAC) (modelo cRIO-9073, empresa National Instruments). O PAC é
constituído por um chassi para a conexão de até oito módulos de entrada ou saída
(E/S), possui um processador industrial de 266 MHz e um chip de lógica reconfigurável
Field Programmable Gate Array (FPGA) de 2 milhões de portas. As características do
controlador cRIO permitem o controle de processos independente de um computador,
o monitoramento e desenvolvimento de interfaces com comunicação através das portas
ethernet 10/100 Mbps ou serial RS-232, disponíveis no chassi.
Para a automação e modelagem do sistema montado na bancada de pulverização,
foi desenvolvida uma interface com o usuário a fim de monitorar e gravar as variáveis do
processo, bem como permitir a interação com o sistema. Dessa forma, a automação da
bancada envolve o desenvolvimento de rotinas em três níveis de programação (Figura
3.2). No primeiro nível está a programação do chip FPGA, através do LabVIEW FPGA.
Nesse nível são implementadas as rotinas para a leitura dos sensores conectados aos
módulos de entrada e para gerar os sinais para os atuadores conectados nos módulos de
21
Figura 3.1: Vista frontal da bancada pulverização onde está montado o sistema de aplicação agroquímicos.Ao fundo está o painel com os componentes elétricos, eletrônicos e hidráulicos e à frente as seções de barracom os bicos e pontas de pulverização.
saída. As rotinas implementadas com o LabVIEW FPGA são executadas em paralelo
e os sinais gerados ou lidos pelos módulos de E/S são atualizados a cada 10 ms.
No segundo nível está a programação do processador industrial, que executa um
sistema operacional em tempo real (RTOS) com capacidade de execução de rotinas
de tempo crítico (rotinas determinísticas). Nesse nível, através do LabVIEW Real-
Time, são implementadas as rotinas para os controladores, as rotinas para as conversões
de unidades e as rotinas de supervisão dos estados dos sensores de nível e pressão.
A comunicação entre o processador industrial e o chip FPGA ocorre através de um
barramento de alta velocidade. Através do sistema RTOS as variáveis referentes aos
sinais gerados ou lidos são transferidas entre o processador e o FPGA a cada 50 ms.
No terceiro nível, usando o LabVIEW 2009, é implementada a interface com o
usuário. A interface desenvolvida para executar no sistema operacional Windows 7
permite ajustar as referências dos controladores, a gravação das variáveis do processo,
o monitoramento da pressão e vazão através de gráficos e a seleção das seções de barra
ativas. A comunicação entre esse nível e o anterior é feita através da interface Ethernet
a cada 50 ms.
22
Converte as unidades ,
monitora as variáveis e executa as malhas de controle
Gera sinais para os módulos de saída e lê os módulos de
entrada
PAC cRIO-9073
barramentoFPGA
Interface TCP/IP
Interface com o usuário
50 ms
PC
10 ms 50 ms
LabVIEW FPGA LabVIEW Real-Time LabVIEW
Figura 3.2: Arquitetura usada para o desenvolvimento da automação da bancada de pulverização mostrandoos níveis de programação com o LabVIEW (PC Host), LabVIEW Real-Time e LabVIEW FPGA.
Para a leitura dos sinais dos sensores são usados três módulos de entrada, e para
geração dos sinais para os atuadores são usados dois módulos de saída, todos conectados
ao chassi do PAC. Os módulos utilizados e suas características são descritas a seguir.
NI 9474: módulo com 8 saídas digitais de alta velocidade (atualização a cada 1 µs) e
capacidade de corrente de até 1 A/canal. Esse módulo deve ser alimentado por
uma fonte externa de 5 V a 30 V;
NI 9411: módulo de entradas digitais dedicado para leitura de velocidade e posição
de até 2 encoders (leitura a cada 500 ns);
NI 9421: módulo com 8 entradas digitais de baixa velocidade (leitura a cada 100 µs);
NI 9263: módulo com 4 saídas analógicas (±10 V ), resolução de 16 bits e taxa de
amostragem de 100.000 amostras/s;
NI 9201: módulo com 8 entradas analógicas (±10 V ), resolução de 12 bits e taxa de
amostragem de 500.000 amostras/s.
O sistema de pulverização para a aplicação de agroquímicos a taxa variada usando
injeção direta central é ilustrado na Figura 3.3. Esse sistema de pulverização é dividido
em três partes: módulo da pulverização em taxa variada da calda (mistura de água e
agroquímico), módulo de injeção do agroquímico e módulo de descarte da calda.
23
fluxômetro
válvula de seção(VS1)
motor trifásico
sensores de
pressão
inversor
pontas de pulverização
encoder
porta-bicosde 5 vias
reservatório de água (300 l)
.
.
.
sensores de
nível
reservatório de agroquímico
(30l)
bomba de pulverização
.
.
.
encoder
válvula proporcional
(VP2)
válvula de seção(VS2)
módulo de injeção
válvula de controle(VP1)
(B1) seção de barra com7 porta-bicos
(B3) (B2)
reservatório de descarte
(300l)
bomba de descarte
calha coletora
descarte ou reciclagem
.
.
.
bomba de injeção
Figura 3.3: Ilustração do sistema de pulverização de agroquímicos montado para a aplicação em taxavariada com o módulo de injeção direta central mostrado no detalhe.
3.1 Módulo de Pulverização
O módulo de pulverização é responsável pelo controle da vazão da calda que será
aplicada (taxa de aplicação). Como o principal diluente dos agroquímicos é a água, é
usado um reservatório de água de 300 `, com sensores de nível máximo NAmax e mínimo
NAmin do tipo reed-switch (empresa CONTECH). Os sensores de nível são usados para
supervisão durante a operação do sistema de pulverização. O módulo NI-9421 retorna
os níveis lógicos correspondentes à leitura das tensões do sensores de nível VNAmax
e VNAmin (Figura 3.4) . O diagrama esquemático de ligação dos sensores de nível é
apresentado no Apêndice A.
O bombeamento da calda é feito por uma bomba de pulverização do tipo pistão
(modelo MB-42, empresa Jacto) acoplada a um motor de indução trifásico de 2, 2 KW ,
24
ωMP
ligação∆
V'MP VMP
ωP
V'MPref VMPref
220V
correia e polias
bomba de pulverização
motor trifásico
placa de interface
inversor de frequência
reservatório de água
300 litros
NAmax
sensor de nível
NAmin
VNAmax
VNAmin
QBP
NI 9421
NI 9201
NI 9263
Figura 3.4: Instrumentação usada no acionamento da bomba de pulverização e sensor de nível do tanquede água.
4 pólos, 4− 220V , 60 Hz (modelo 90L, empresa Kohlbach) acionado por um inversor
de frequência de 4, 2 KV A (modelo VFD022B23A, empresa Delta Electronics).
A bomba de pulverização possui uma capacidade de vazão QBP de 42 `/min para
uma rotação ωP de 800 RPM e sua pressão de trabalho máxima é de 4000 KPa
(40bar). Essa bomba possui em seu eixo uma polia com diâmetro d = 250 mm. O
motor trifásico, acoplado à MB-42, possui uma polia com diâmetro D = 104 mm e
sua rotação ωMP máxima é de 1800 RPM. Considerando a relação de transmissão, a
rotação da bomba é dada em função da rotação do motor:
ωP = ωMPD
d. (3.1)
A relação, obtida experimentalmente, entre a rotação bomba de pulverização ωP
em RPM e sua vazão QBP em `/min é:
QBP = 0, 0519 ωP . (3.2)
O inversor usado para controlar a velocidade do motor trifásico possui uma entrada
analógica cuja tensão V′
MP ref de 0 − 8 V é usada como referência de rotação para
25
o motor ωMP ref . Uma saída analógica desse inversor, com tensão de saída V′
MP de
0 − 5 V , é usada para medir a rotação atual do motor ωMP . As relações, obtidas
experimentalmente, entre as tensões nos canais analógicos e a rotação do motor são
respectivamente:
ωMP ref = 225 V′
MP ref (3.3)
V′
MP = ωMP /360. (3.4)
Os canais analógicos do inversor são conectados ao PAC através de uma placa de
interface que isola eletricamente os circuitos (Figura 3.4). Essa placa é constituída por
acopladores ópticos (4N25), conversores tensão-PWM1 (TL494) e filtros passa-baixa.
O diagrama esquemático da interface é apresentado no Apêndice A. As tensões de
saída da placa de interface VMP e V ′MP ref são proporcionais as tensões de entrada V ′
MP
e VMP ref , respectivamente. Essas relações, obtidas experimentalmente, são dadas por:
VMP = −1, 59V ′MP + 8, 44 (3.5)
V ′MP ref = −3, 48VMP ref + 9, 22. (3.6)
A referência de vazão da bomba de pulverização QBP ref é ajustada através da
tensão de saída VMP ref do módulo NI-9263 e essa relação, obtida experimentalmente,
é:
VMP ref =44, 81 −QBP ref
16, 91. (3.7)
A vazão QBP da bomba é monitorada através da tensão VMP , medida pelo módulo
NI-9201 e essa relação, obtida experimentalmente, é:
QBP = 4, 89(8, 44 − VMP ). (3.8)
As tensões dos módulos analógicos são acessadas diretamente na programação do FPGA
do PAC e as relações (3.7) e (3.8) são programadas no seu RTOS, de modo a ficarem
transparentes para o usuário.
A vazão da bomba de pulverização é mantida constante durante a operação do
1modulação por largura de pulso.
26
sistema e a vazão da calda QF é controlada pela válvula VP1 (modelo 463022S, empresa
ARAG)(Figura 3.5). A válvula de controle proporcional VP1 é do tipo agulha com
3 vias e seu êmbolo é acionado por um motor de corrente contínua (motor CC) de
12V/0, 5A. Essa válvula, usada em sistemas de pulverização da ARAG, pode controlar
vazões de até 150 `/min a uma pressão de até 20 bar e o possui um tempo de resposta
de 7 segundos. Acoplado ao eixo do motor CC da VP1, está um encoder incremental
de 1024 pulsos por revolução (ppr) (modelo HTR-W2-1024-3-PP, empresa Hontko)
(Figura 3.6), usado na etapa de modelagem da VP1, para obter a posição angular θV
do eixo do motor CC que aciona seu êmbolo.
QR
QBP
válvula de controle
VP1
êmbolo
QF
terminais elétricos
Figura 3.5: Válvula de controle VP1 com indicações do êmbolo, terminais elétricos e os sentidos de fluxoda calda de entrada QBP , de saída para as barras QF e de saída para o retorno QR.
A válvula proporcional VP2, do mesmo modelo da VP1, faz o direcionamento da
calda para a seção de barra B3. Essa válvula é usada na etapa de modelagem de
VP1, permanecendo fechada durante a operação normal do sistema. A velocidade das
válvulas VP1 e VP2 são controladas, durante a abertura ou fechamento, através da
aplicação de um sinal PWM com frequência de 500 Hz .
As válvulas de seção de 3 vias VS1 e VS2 (modelo 463001S, empresa ARAG) são do
tipo solenoide (aberta/fechada) e direcionam a calda para as seções de barra B1 e B2,
respectivamente. A abertura e fechamento das válvulas (VP1, VP2, VS1 e VS2) são
feitos através da inversão da polaridade da tensão aplicada em seus terminais elétricos.
Para isso, é usada uma placa de acionamento com pontes H (L298) e isoladores ópticos
(4N25). Na Figura 3.6, são ilustrados os circuitos da placa de acionamento das válvulas
de controle, bem como a conexão do encoder na válvula VP1. O diagrama esquemático
da placa de acionamento das válvulas pode ser visto no Apêndice A. A Tabela 3.1
mostra o acionamento dos circuitos das válvulas.
Cada seção de barra B1 ou B2 possui sete porta-bicos de 5 vias, com seleção manual
27
NI 9474
ENVP1 (DV)AFVP1
ENVP2
AFVP2Pontes H
NI 9411
encoder
acoplador flexível
θV
AFVS1
AFVS2V4
V3
V2
V1
VP1
VP2
VS2VS1
Figura 3.6: Instrumentação usada no acionamento das válvulas VP1, VP2, VS1 e VS2 e encoder na válvulade controle VP1.
das vias, para a instalação de até 5 pontas de pulverização. Nesses porta bicos são
instaladas 4 pontas de pulverização de jato plano com leque de 110o (modelos ISO
110(02,03,04,05), empresa ARAG)(Tabela 3.3).
A vazão da calda é medida por um fluxômetro eletromagnético (modelo 4621AA30000,
empresa ORION) que possui uma faixa de medição de 5 a 100 `/min, para pressões
de até 4000 KPa (40 bar) e temperatura máxima de 50oC. O fluxômetro possui saída
em coletor aberto e constante de calibração de 600 pulsos por litro. Na Figura 3.8, é
ilustrada a ligação do fluxômetro com o módulo NI-9421. O diagrama esquemático da
ligação do fluxômetro é apresentado no Apêndice A. A vazão da calda QF em `/min
é obtida a partir da frequência fF em Hz dos pulsos gerados:
QF = 600 fF . (3.9)
Os pulsos medidos pelo módulo são convertidos em frequência fF no FPGA do PAC
cRIO. No RTOS, baseado na relação (3.9), é realizada a conversão da frequência em
vazão.
fluxômetro
resistor de pull -up
fF
NI 9421
QF
Figura 3.7: Ligação do fluxômetro eletromagnético.
28
Tabela 3.1: Tabela verdade para o acionamento das válvulas VP1, VP2, VS1 e VS2.
Entrada Estado Resultado SaídaENV P 1 (DV ) ciclo de trabalho do PWM Velocidade da VP1
AFV P 1
H Abre VP1V1(+) = PWMV1(−) = GND
L Fecha VP1V1(+) = GNDV1(−) = PWM
ENV P 2 ciclo de trabalho do PWM Velocidade da VP2
AFV P 2
H Abre VP2V2(+) = PWMV2(−) = GND
L Fecha VP2V2(+) = GNDV2(−) = PWM
AFV S1
H Abre VS1V3(+) = 12VV3(−) = GND
L Fecha VS1V3(+) = GNDV3(−) = 12V
AFV S2
H Abre VS2V4(+) = 12VV4(−) = GND
L Fecha VS2V4(+) = GNDV4(−) = 12V
H = nível lógico alto, L = nível lógico baixo.
Dois sensores de pressão piezoelétricos (modelo A-10, empresa WICA) são utilizados
no sistema de pulverização, um monitora a pressão do sistema hidráulico PS no ponto
de distribuição da calda para as barras e o outro monitora a pressão P1 no final da
barra B1. Os sensores possuem uma saída em tensão VP s,1 de 0 a 10 V proporcional
sua faixa de medida de PS,1 0 a 16 bar dada por :
PS,1 = 0, 625 VP s,1. (3.10)
Como características, esses sensores apresentam erro de leitura e de linearidade máximo
de 0, 016 bar e resistem sem danos à sobre-pressões contínuas de até 32 bar e intermi-
tentes de até 120 bar. A Figura 3.8 ilustra a ligação dos sensores de pressão com o
módulo NI-9421.
NI 9201sensores de
pressãoVPs
Ps
P1
VP1
Figura 3.8: Ligação do sensores de pressão.
29
3.2 Módulo de Injeção
O módulo de injeção é responsável pela injeção do agroquímico na linha de entrada
da bomba de pulverização. Um conjunto (modelo QB-3, empresa Fluid Metering Inc.)
composto por uma bomba de pistão, de curso variável com ajuste manual, acoplada a
um motor CC de 12V/4A, é usado para a injeção (em destaque na Figura 3.9).
NI 9411
NI 9421
VNHin
NHmin
sensor de nívelreservatório de agroquímico
30 litros
QH
PH
NI 9474amplificador de potência
DH
NI 9201circuito de condicionamento
ViH
VH
encoder
ωH
A, B, Z
iHMotor
CC
bomba de pistão
ajuste manual
conjunto QB -3
ωH
Figura 3.9: Instrumentação do módulo de injeção. No detalhe são indicados os componentes do conjuntoQB-3.
A bomba de pistão, do conjunto QB-3, possui capacidade de vazão QH de 2, 304 `/min
para uma rotação ωH de 1800 RPM e pressão de trabalho máxima de 172 KPa
(1, 72 bar). Essa bomba é conectada ao reservatório de agroquímico de 30 `, equipado
com um sensor de nível mínimo NHmin do tipo reed-switch (empresa CONTECH). O
sensor de nível é usado na supervisão da operação do módulo, que deve parar seu fun-
cionamento para evitar danos à bomba em caso de falta de líquido. O módulo NI-9421
faz a leitura da tensão do sensor de nível VNHmin (Figura 3.9), retornado o nível lógico
correspondente. O diagrama esquemático da ligação dos sensores de nível é apresentado
no Apêndice A.
O motor CC do conjunto é acionado por um amplificador de potência isolado,
composto por um transistor (mosfet IRFZ48N) e um acoplador óptico (4N25). A
velocidade angular do motor é controlada através do ciclo de trabalho DH do sinal
PWM, com frequência de 500 Hz (Figura 3.9).
30
A corrente do motor CC é medida pelo módulo NI-9201 (Figura 3.9) através de um
circuito de condicionamento de sinal, composto por um sensor de efeito hall (modelo
ACS712, empresa Allegro MicroSystems) e um amplificador operacional (LM358). A
tensão VIh proporcional à corrente IH no motor CC é:
VIh = 0, 49 IH . (3.11)
A velocidade angular do motor ωH em RPM é obtida através de um encoder in-
cremental de 1024 ppr (modelo HTR-W2-1024-3-PP, empresa Hontko) acoplado a seu
eixo (Figura 3.9) O diagrama esquemático dos circuitos do amplificador de potência,
de condicionamento de sinal e de alimentação do encoder é apresentado no Apêndice
A.
3.3 Módulo de Descarte
O módulo de descarte é responsável pelo destino dado à calda resultante da pulve-
rização (Figura 3.10). As gotas formadas pelas pontas de pulverização nas barras B1 e
B2 são direcionadas para calhas coletoras. A calda pulverizada é armazenada em um
reservatório de 300 ` com sensores de nível máximo NDmax e mínimo NDmin do tipo
reed-switch (empresa CONTECH). Os sensores de nível são usados para supervisão do
sistema evitando vazamento da calda pulverizada e para parar a bomba de descarte
(modelo 8411001, empresa GeoPump).
A bomba de descarte, do tipo diafragma, possui capacidade de vazão de 12 `/min e é
acionada através de um relé. O relé é acionado por um circuito amplificador de corrente
conectado a uma saída analógica do módulo NI-9263. No Apêndice A, é apresentado
o diagrama esquemático da placa de acionamento da bomba descarte e do sensor de
nível do módulo de descarte. A calda armazenada pode ser descartada ou reciclada
para o tanque de água através da bomba de descarte. Para o direcionamento da calda
são usadas conexões tipo engate rápido na parte hidráulica.
31
acionamento da bomba
NI 9263
reservatório de descarte
300 litros
NI 9421NDmax
sensor de nível
NDmin
VNDmax
VNDmin
VBD V´BD
descarte ou reciclagem
bomba de descarte
calhas coletoras
pontasB1
pontasB2
Figura 3.10: Instrumentação do módulo de descarte calda.
3.4 Características Operacionais do Sistema de Pulveri-
zação
A taxa de aplicação de um pulverizador em taxa variada depende de três fatores:
a faixa de vazão da bomba de pulverização, a faixa de velocidade de deslocamento e
a largura da barra de pulverização. Na Tabela 3.2, são apresentadas as caraterísticas
do pulverizador montado para este trabalho e de um pulverizador comercial da Jacto,
modelo Uniport 3030.
Tabela 3.2: Características do sistema de pulverização implementado neste trabalho e de um sistema depulverização comercial.
Características Este Trabalho Uniport 3030Velocidade máxima (Km/h) teórico* 65Reservatório - água (`) 300 3000Reservatório - agroquímico (`) 20 2× 100Bomba de pulverização (`/min) max. 42 300Tipo da bomba de pulverização pistão pistãoBomba de injeção (`/min) max. 2, 304 -Tipo da bomba de injeção pistão -Espaçamento entre as pontas (m) 0, 5 0, 5Largura das seções barra (m) 3, 5 8Número de seções de barra 2 4Quantidade total de bicos 14 64Rmax (`/ha) a 3, 6 Km/h 1000 1562*trata-se de uma bancada estática, porém o deslocamento pode ser simulado.
32
As características do sistema são utilizadas para determinar a região de operação
do sistema e pulverização. Dessa forma, considerando o pulverizador utilizado neste
trabalho, com as características apresentadas na Tabela 3.2, a leitura mínima do fluxô-
metro de 5 `/min, e que a velocidade de deslocamento (baseando-se no pulverizador
autopropelido da Jacto) varie entre 3,6 e 65 Km/h (1 e 18 m/s), obtém-se a região de
operação (Figura 3.11) do sistema de pulverização implementado, utilizando:
R =60000 QF
V m n E(3.12)
onde R é a taxa de aplicação em `/ha, QF é a vazão total da calda em `/min, V é
a velocidade de deslocamento do pulverizador em Km/h, n é o número de bicos por
barra, m é o número de seções de barra, E é o espaçamento entre os bicos em cm e o
número 60000 é uma constante de ajuste das unidades.
1020
3040
5060 10
20
30
40
0
500
1000
Vazão (l/min)
Rmax
RminVelocidade (Km/h)
Tax
a de
apl
icaç
ão (
l/ha)
100
200
300
400
500
600
700
800
900
1000
Figura 3.11: Região de operação do sistema de pulverização à taxa variada. A maior e menor taxa deaplicação são respectivamente Rmax = 1000 `/ha e Rmin = 6, 6 `/ha.
As pontas de pulverização utilizadas têm suas características operacionais apresen-
tadas na Tabela 3.3. Por (3.12) são calculadas as taxas de aplicação mínima (Rmin)
a 65 Km/h e máxima (Rmax) a 3, 6 Km/h para a maior e menor pressão recomenda-
das para cada modelo. As pressão recomendadas pelo fabricante das pontas (ARAG),
correspondem a faixa de pressão onde não ocorre variação no espectro de gotas.
Em geral a aplicação de agroquímicos a taxa variada é realizada baseando-se em uma
velocidade de deslocamento constante, apesar de existir proposta para a variação da
33
Tabela 3.3: Faixas de operação das pontas da pulverização do fabricante ARAG.
Modelo da ponta Pressão (KPa) Vazão (`/min) Rmin (`/ha) Rmax (`/ha)(a 65 Km/h) (a 3, 6 Km/h)
ISO 11002
200 0,65 12 217250 0,73300 0,80350 0,86400 0,92 17 307
ISO 11003
200 0,98 18 327250 1,10300 1,20350 1,30400 1,39 26 463
ISO 11004
200 1,31 24 437250 1,46300 1,60350 1,73400 1,85 34 617
ISO 11005
200 1,63 30 543250 1,83300 2,00350 2,16400 2,31 42 770
velocidade a fim de se variar a taxa de aplicação (WERNER et al., 2007). Considerando a
forma tradicional, com aplicação em velocidade constante, verifica-se através dos dados
apresentados na Tabela 3.3 que os bicos de pulverização limitam a faixa de operação
do sistema de pulverização.
34
Capítulo 4
Modelagem e Simulação dos
Módulos
O desenvolvimento e parametrização de modelos para a simulação de processos di-
nâmicos, permite estudar as interações entre as várias partes do sistema, explorar o
arranjo físico dos componentes do sistema e projetar a estratégia de controle (GARCIA,
2005). Neste trabalho, o desenvolvimento dos modelos para a simulação do sistema de
pulverização com injeção direta visa principalmente a estratégia de controle. Adicional-
mente, o desenvolvimento de um ambiente de simulação, com os modelos obtidos, na
mesma linguagem de programação (Linguagem G ou Gráfica) utilizada na automação
do sistema, permite que os códigos fonte ou programas desenvolvidos no LabVIEW
para computador sejam transportados para LabVIEW Real-Time no PAC cRIO com
poucas modificações.
Para fins de modelagem e desenvolvimento do ambiente para simulação são consi-
derados os módulos de pulverização e de injeção. A recomendação para a pulverização
de agroquímicos como o herbicida RoundUP Original c© é para a dissolução do herbi-
cida em água em uma concentração de 0, 5 a 4% dependendo da planta invasora. A
baixa concentração de agroquímico implica pequena variação nas propriedades físicas
do fluído (densidade e viscosidade) considerado para a aproximação dos modelos. To-
dos os ensaios são realizados com água de torneira proveniente da rede de distribuição
de água da cidade de São Carlos.
35
4.1 Modelagem do Módulo de Injeção
O módulo de injeção é descrito através do modelo tradicional de um motor CC (OLI-
VEIRA; AGUIAR; VARGAS, 2005), adicionando os elementos correspondentes à bomba de
pistão e ao amplificador de potência. O diagrama em blocos na Figura 4.1, mostra o
modelo completo deste módulo. Os parâmetros do motor CC são a constante de torque
KT , a constante da força contra-eletromotriz KE , a resistência de armadura RH , a
indutância de armadura LH , o momento de inércia J e o coeficiente de atrito viscoso
b.
1Js+b
1LHs+RH
+_ 60000 KBKTKP
KE
+_
KB
DH
PH
VH QH
ωH
IHTH
Figura 4.1: Diagrama em blocos do módulo de injeção.
válvula manual
bomba de injeçãoreservatório
(0 KPa)
QHPH
sensor de pressão
motor CC
ωH
VH
iH
Figura 4.2: Arranjo usado para o ensaio do módulo de injeção.
As relações constitutivas para bomba de injeção (QB-3) são:
QH = 60000 KB ωH (4.1)
TH = KB PH (4.2)
onde, QH é a vazão da bomba em `/min, KB o deslocamento volumétrico do pistão
em m3/rad, ωH a velocidade angular no eixo em rad/s, TH o torque demandado pela
bomba em Nm, PH a pressão na saída da bomba em Pascal (N.m−2) (MERRITT, 1967).
36
A rotação ωH do motor CC da bomba de injeção depende da tensão VH , que é
proporcional ao ciclo de trabalho sinal PWM DH aplicado no amplificador de potência:
VH = KP DH (4.3)
sendo KP o ganho do amplificador de potência.
Para obter os valores dos parâmetros do modelo (Figura 4.1) é montado o arranjo
mostrado na Figura 4.2. Através de uma interface com o usuário, desenvolvida no
LabVIEW, são gravados os dados referentes a tensão aplicada no motor VH , a corrente
de armadura IH a rotação ωH e a pressão na saída da bomba PH .
Uma fonte de tensão CC ajustável é utilizada para variar a tensão VH e para o ajuste
de PH é utilizada uma válvula de 2 vias conectada na saída da bomba, com abertura e
fechamento manual. O experimento é conduzido em duas etapas, na primeira etapa até
o tempo 50 s varia-se a tensão VH com a válvula manual totalmente aberta, após isso
são aplicados valores aleatórios de VH e PH , através da fonte de tensão e da abertura
e fechamento da válvula manual.
O valor do parâmetro KB é obtido pelos dados fornecidos pelo fabricante da bomba,
o parâmetro KP é o valor teórico do ganho do amplificador de potência e os valores
dos parâmetros RH , LH , KE , KT , J e b são estimados através da ferramenta Simulink
Design Optimization, utilizando os dados obtidos a cada 1 ms. Esta ferramenta do
Matlab/Simulink permite estimar e ajustar os parâmetros de um modelo desenvolvido
no Simulink a partir de dados de entrada/saída reais.
Tabela 4.1: Valores dos parâmetros do modelo do módulo de injeção.
Parâmetro ValorRH 6, 86 10−1 ΩLH 1, 00 10−3 HKT 3, 75 10−2 Nm/AKE 3, 75 10−2 V s/radJ 4, 74 10−4 Kgm2
b 4, 59 10−4 Kgm2/sKB 2, 07 10−7 m3/radKP 0, 12 V
A Tabela 4.1 mostra os valores numéricos dos parâmetros do modelo, implementado
no Simulink (Figura 4.1), ajustado a partir dos dados experimentais.
37
As respostas obtidas do modelo simulado e as respostas experimentais, referentes ao
ensaio preparado conforme a Figura 4.2, podem ser observadas na Figura 4.3. A análise
gráfica mostra boa concordância entre as curvas real e simulada. Outras abordagens
para a modelagem deste módulo podem ser encontradas nos trabalhos Mercaldi et al.
(2011a, 2011b).
0 50 100 150 2000
5
10
VH (
V)
0 50 100 150 2000
200
400
PH (
KP
a)
0 50 100 150 2000
5
i H (
A)
0 50 100 150 2000
100
200
ωH (
rad/
s)
0 50 100 150 2000
1
2
QH (
l/min
)
Tempo (s)
ExperimentalModelo
Figura 4.3: Resultados experimentais e de simulação do modelo do módulo de injeção.
4.2 Modelagem do Módulo de Pulverização
O módulo de pulverização possui diferentes elementos hidráulicos como as válvulas
proporcionais e de seção, as mangueiras e as pontas de pulverização. Esses elementos
se opõem a passagem do fluído (calda) criando uma diferença de pressão através do
38
elemento, esse efeito é conhecido como resistência hidráulica ou resistência fluídica
(GARCIA, 2005).
O perfil da velocidade de escoamento de um fluído tem um efeito significativo na
relação entre a diferença de pressão a vazão através de um elemento hidráulico (HU-
GHES, 2002). Para a classificar o escoamento em um conduto é usada uma constante
adimensional, o número de Reynolds dado por:
Re =ρdiυ
δ(4.4)
em que ρ é a densidade absoluta do fluído, di é o diâmetro interno do conduto, υ
é a velocidade média do fluído e δ a viscosidade dinâmica absoluta do fluído. Um
escoamento é dito laminar (Re < 1100) quando o seu perfil de velocidade é parabólico
e turbulento (Re > 3500) quando seu perfil de velocidade é achatado (GARCIA, 2005).
Na prática a velocidade do fluído em um conduto aproxima-se de zero nas proximi-
dades das paredes e varia com o diâmetro. A velocidade média do escoamento é:
υ =Q
Ai(4.5)
onde Q é a vazão e Ai é a área transversal interna do conduto.
O módulo de pulverização, em sua maior parte, utiliza mangueiras com diâmetro in-
terno de di = 1/2 pol (1, 270 10−2 m). Considerando as características dessa tubulação
e do fluído para as condições de CNTP1 e para a temperatura máxima do fluxômetro,
apresentadas na Tabela 4.2, através de (4.4) e (4.5) são calculadas as vazões mínimas
Qmin na tubulação para que o escoamento seja turbulento (Re = 4000):
Qmin(CNT P ) = 4, 26 `/min (7, 11 10−5 m3/s)
Qmin(50oC) = 1, 32 `/min (2, 21 10−5 m3/s).
A partir dos valores de Qmin na faixa de 0−50oC pode-se assumir que o escoamento
da calda na maior parte da tubulação do módulo de pulverização é turbulento, uma vez
que não são usadas vazões inferiores a 5 `/min devido a faixa de leitura do fluxômetro.
1temperatura = 0oC e pressão = 1 atm
39
Tabela 4.2: Valores dos parâmetros para cálculo da vazão mínima para o escoamento turbulento.
Parâmetro Valor Parâmetro Valorρagua(CNT P ) 9, 998 102 Kg/m3 ρagua(50oC) 9, 880 102 Kg/m3
δagua(CNT P ) 1, 781 10−3 Pa.s δagua(50oC) 0, 547 10−3 Pa.s
di 1, 270 10−2 m Ai 1, 267 10−4 m2
Para o escoamento turbulento de um líquido que passa através de elementos hi-
dráulicos, tais como as válvulas e as pontas de pulverização, a relação entre a queda de
pressão ∆P e a vazão Q é dada por:
Q = CDAi
√
2ρ
∆P (4.6)
onde CD é o coeficiente de descarga do elemento hidráulico, Ai é a área da seção
transversal do conduto e ρ é a densidade absoluta do fluído. Resolvendo (4.6) em
termos de ∆P em KPa para a vazão em `/min têm-se:
∆P = KQQ2 (4.7)
sendo KQ = C1ρ
2C2
DA2
i
a resistência fluídica do componente hidráulico, C1 = 2, 8.10−13
o fator de conversão de unidades.
Para as mangueiras da tubulação, a resistência hidráulica em KPa/(`/min)2 é:
KQ = C2faLρ
2diA2i
(4.8)
sendo C2 = 1, 67.10−11 o fator de conversão de unidades, fa o coeficiente de perda
de carga distribuído, L o comprimento do trecho em m, di o diâmetro interno em m,
Ai = πd2
i
4 a área da seção transversal em m2 e ρ a densidade absoluta do líquido em
Kg/m3 (GARCIA, 2005).
O módulo de pulverização da calda é modelado através do conceito da resistência
fluídica, a mesma abordagem adotada por Steward e Humburg (2000). Assim o valor
numérico de KQ em KPa/(`/min)2 é obtido experimentalmente através das medidas
da diferença de pressão ∆P em KPa e da vazão Q em `/min. Na Figura 4.4, é
apresentado o circuito hidráulico do módulo de pulverização com a representação dos
elementos através de resistências hidráulicas.
Assumindo que:
40
QF
QR QS1
KQVP
QBP
KQVS
KQTP
KQF
fluxômetro
VP1bomba de
pulverização VS1
tubulação até a primeira ponta
pontas de pulverização
KQPKQP
trechoT6
KQP
KQT
KQP
QS2
KQVS
KQPKQPKQP
KQTKQTKQTKQTKQT
QP
referência(0 KPa)
∆PVS
QH
KQP
KQTB
...
...
QP QP QP QP QP QP QP
∆PTP
∆PP
QT1
∆PTEP
bomba de injeção
seção de barra(B1)
VS2
seção de barra(B2)
KQTP
trecho de tubulação entre
as pontas
∆PVP
∆PT1∆PT2∆PT3∆PT4∆PT5∆PT6
sensor de pressão
trechoT1
trechoT2
trechoT3
trechoT4
trechoT5
PS
referência(0 KPa)
QA
Figura 4.4: Circuito hidráulico do módulo de pulverização.
1. a vazão QP nas pontas de pulverização são iguais; (A regra prática para substi-
tuição das pontas é quando a diferença entre a vazão estipulada pelo fabricante e
a real é superior a 10%) (WILES; SHARP; MATTHEWS, 2001; BOLLER; RAETANO,
2011);
2. as tubulações entre as pontas de pulverização possuem a mesma resistência fluí-
dica KQT ;
3. as válvulas de seção possuem a mesma resistência fluídica KQV S;
4. as tubulações que vão da saída da válvula de seção VS1 ou VS2 até a primeira
ponta de pulverização de cada barra B1 ou B2 possuem a mesma resistência
fluídica KQT P ;
5. a queda de pressão no fluxômetro é desprezível (determinado através de ensaios);
então pode-se afirmar que a vazão da calda se divide igualmente entre as barras e que
41
a vazão da barra se distribui igualmente entre as pontas de pulverização:
QS1 =QF
m(4.9)
QP =QS1
n(4.10)
onde QS1 é a vazão na seção de barra B1, m é a quantidade de seções de barra, n é
a quantidade de pontas de pulverização da barra B1 e QP é a vazão nas pontas de
pulverização.
De acordo com o circuito hidráulico (Figura 4.4), a pressão do sistema PS é dada
pela soma das quedas de pressão nos elementos hidráulicos de cada seção de barra:
PS = ∆PV S + ∆PT P + ∆PT EP + ∆PP (4.11)
sendo ∆PV S a queda de pressão da válvula de seção VS1, ∆PT P a queda de pressão
no trecho de tubulação que vai da saída de VS1 até a primeira ponta de pulverização,
∆PT B a soma das quedas de pressão da tubulação entre as pontas de pulverização e
∆PP a queda de pressão da ponta de pulverização.
A partir da relação de pressão (4.11), para obter o modelo hidráulico que representa
a relação entre a vazão QF medida do fluxômetro e a pressão PS medida pelo sensor
de pressão, são analisadas as quedas de pressão no elementos hidráulicos das seções de
barra.
Para as válvulas de seção, pontas de pulverização e os trechos de tubulação até
a primeira ponta de pulverização, utilizando (4.9) e (4.10), as quedas de pressão são
respectivamente:
∆PV S =KQV S
m2QF
2 = KQV Seq QF2 (4.12)
∆PP =KQP
m2n2QF
2 = KQP eq QF2 (4.13)
∆PT P =KQT P
m2QF
2 = KQT P eq QF2 (4.14)
onde KQV Seq, KQP eq e KQT P eq são as resistências hidráulicas equivalentes dos respec-
tivos elementos hidráulicos e KQT P = C2faL1ρ2diA2
i
é a resistência fluídica do trecho de
tubulação até a primeira ponta da seção de barra B1, com comprimento L1.
42
Para obter a queda de pressão ∆PT EP da tubulação entre as pontas de pulverização
é desenvolvido o equacionamento para os dois primeiros trechos e por indução é obtida a
equação da resistência fluídica equivalente. A queda de pressão nos trechos de tubulação
T1 e T2 (Figura 4.4), utilizando (4.9) e (4.10) são respectivamente:
∆PT 1 = KQT (QS1 −QP )2 = KQT
(
QF
m−
QF
m n
)2
(4.15)
∆PT 2 = KQT (QS1 − 2QP )2 = KQT
(
QF
m−
2QF
m n
)2
(4.16)
sendo KQT = C2faEρ
2di2A2
i2
, onde E o espaçamento entre as pontas de pulverização.
A partir de (4.15) e (4.16) se obtém que para o iésimo trecho de tubulação a queda
de pressão é:
∆PT i = KQT
[
1m
(
1−i
n
)]2
QF2 (4.17)
sendo i o trecho de tubulação. Como a queda de pressão total ∆PT EP dos trechos entre
as pontas é a soma das quedas individuais ∆PT i, pode-se escrever:
∆PT EP = KQT
n−1∑
i=1
[
1m
(
1−i
n
)]2
QF2 (4.18)
= KQT eq QF2. (4.19)
A pressão do sistema é obtida substituindo os resultados (4.12), (4.13), (4.14) e
(4.19) em (4.11):
PS = (KQV Seq + KQT P eq + KQT eq + KQP eq) QF2 (4.20)
= KQeqQF2 (4.21)
onde KQeq é a resistência hidráulica equivalente de todo o circuito hidráulico do módulo
de pulverização.
A vazão da calda QF medida pelo fluxômetro é regulada na válvula de controle VP1
(Figuras 3.5 e 4.4) através da vazão de retorno QR, considerando que a vazão da bomba
QBP é mantida constante, então a vazão e a queda de pressão através da válvula são
43
respectivamente:
QR = QBP −QF (4.22)
∆PV P = KQV P QR2 (4.23)
onde KQV P é a resistência fluídica da válvula VP1.
Uma vez que a queda de pressão no fluxômetro é desprezível e considerando que a
pressão na entrada da bomba relativa a pressão atmosférica é nula, então substituindo
(4.22) em (4.23) e igualando ao resultado anterior (4.21) obtém-se:
(KQV P −KQeq) QF2 − 2KQV P QBP QF + KQV P QBP
2 = 0 (4.24)
onde a raiz positiva é a solução procurada. Assim a vazão QF medida pelo fluxômetro
é dada em função dos parâmetros KQeq, KQV P e QBP por:
QF =QBP
(√
KQeqKQV P −KQV P)
KQeq −KQV P(4.25)
ou seja, QF = f(KQeq, KQV P , QBP ).
O valor de KQV P é função da posição do êmbolo no interior da via de retorno da
válvula, obtida através a posição angular θV do eixo do motor CC que aciona o êmbolo:
KQV P = f(θV ). (4.26)
Nessa relação, a posição angular θV do eixo do motor CC da válvula de controle VP1 é
obtida através do modelo do motor CC que aciona o êmbolo e do circuito de potência
com ponte H que aciona o motor. O diagrama em blocos da Figura 4.5 mostra esse
modelo. Neste diagrama, DV representa o valor do ciclo de trabalho do sinal PWM.
A ponte H é representado pelo bloco de ganho KP H . O motor CC é representado por
um sistema de primeira ordem mais um integrador, com os parâmetros de ganho KM
e constante de tempo TM . Esse motor só atua quando o ciclo de trabalho do PWM
é maior que sua zona morta ZM < DV . O efeito da zona morta é modelado com o
44
amplificador de potência, assim a tensão no motor CC da válvula VP1 é:
V 1 =
0, se DV ∈ [−ZM , ZM ]
KP H DV , caso contrário.
O êmbolo possui um curso limitado pelas dimensões da válvula e para representar
esse efeito é usado um bloco de saturação na posição angular do eixo θV . Adotando-se
θV min = 0 como o limite inferior da saturação, para a válvula totalmente aberta, então
o limite superior é θV max ocorre para a válvula totalmente fechada.
KPH
DV θv
saturaçãozona morta ponte H motor CC
KM
s(TMs+1)
V1
Figura 4.5: Diagrama em blocos do motor CC da válvula de controle e ponte H.
O diagrama de blocos do modelo completo do módulo de pulverização da calda é
apresentado na Figura 4.6, onde o bloco τ representa o tempo de resposta do fluxômetro.
Os valores numéricos dos parâmetros do módulo de pulverização são mostrados na
Tabela 4.3. Os parâmetros L1, E, di, QBP , ZM e KP H são conhecidos.
Os valores de fa1 e fa2 foram ajustados empiricamente através dos dados expe-
rimentais de pressão PS e vazão QF . O valor de KQV S é obtido através da curva de
pressão por vazão fornecida pelo fabricante. O valor de KQP é obtido através dos dados
fornecidos pelo fabricante das pontas (Tabela 3.3).
Os valores dos parâmetros Km, Tm e θV max foram obtidos medindo-se a posição
angular θV do eixo do motor submetido a um degrau correspondente a um ciclo de
trabalho de DV = 100% no PWM. Utilizando os dados obtidos a cada 50ms da curva
de reação ao degrau são estimados os valores dos parâmetros através da ferramenta
Simulink Design Optimization.
O parâmetro KQV P é obtido experimentalmente através das medidas de vazão QF
e pressão PV para quatorze diferentes posições angulares θV da válvula VP1. Nesse
experimento as seções de barra B1 e B2 são fechadas. A válvula VP2, partindo da
posição totalmente aberta, é acionada para fechamento até que a pressão atinja o valor
de 700 KPa (7 bar), a partir daí a valvula é aberta. A vazão QR, na via de retorno
45
KQPeq
∑KQVSeq
KQTPeq
KQTeq
KQeq
KQVP
QBP
QF
DV modelomotor CC e
ponte H
τ
tempo de resposta do fluxômetro
θV equação K QVP
f (θV)
equação Q F
f (KQVP,KQeq,QBP)
PS
u2
XQF
2
Figura 4.6: Diagrama de blocos do módulo de pulverização.
Tabela 4.3: Valores dos parâmetros do módulo de pulverização.
Parâmetro ValorQBP 4, 20 101 `/min
m 2, 00n 7, 00
KM 1, 10 rad/VTM 5, 00 10−2 sZM 2, 00 101 %
KP H 0, 12τ 0, 60 s
θV max 9, 42 101 radfa 8, 20 10−2
L1 1, 35 mE 0, 50 mdi 1, 27 10−2 m
KQV S 4, 08 10−2 KPa/(`/min)2
KQP (ponta 11002) 4, 71 102 KPa/(`/min)2
KQP (ponta 11003) 2, 07 102 KPa/(`/min)2
KQP (ponta 11004) 1, 17 102 KPa/(`/min)2
KQP (ponta 11005) 7, 50 101 KPa/(`/min)2
KQV P 0 a 1, 80 KPa/(`/min)2
da válvula, é calculada por (4.22). Dessa forma é obtida a curva de KQV P versus θV ,
mostrado na Figura 4.7. Os dados experimentais dessa curva são usados para ajustar
os parâmetros da expressão:
KQV P = A0 + A1eθVB1 (4.27)
sendo A0 = 2, 99.10−2, A1 = 2, 81.10−6 e B1 = 6, 53 constantes.
Na saída da bomba de pulverização têm-se a relação (4.22), já na sua entrada a
vazão QBP é dada por:
QBP = QR + QA + QH . (4.28)
46
0 20 40 60 80 1000
0.5
1
1.5
2
KQ
VP (
KP
a/(l/
min
)2 )
θv (rad)
experimentalajuste
Figura 4.7: Curva KQV P versus θV (4.27) da válvula de controle VP1.
Isolando QF em (4.22) e substituindo em (4.28) obtém-se a vazão da calda:
QF = QA + QH (4.29)
onde QA é a vazão de água do reservatório.
4.2.1 Validação do modelo matemático do módulo de pulverização
Para validação do modelo, devido ao processo em malha aberta deste módulo ser
instável, foi implementado um controlador proporcional ilustrado na Figura 4.8.
QF
KCmódulo de
pulverização
controlador
+_QFref
DV
Figura 4.8: Diagrama em blocos do módulo de pulverização com o controlador proporcional com ganhoKC = 20.
Os dados do processo, referentes as respostas da vazão QF , pressão PS e posição
angular θV , são gravados e comparados com os resultados do modelo em malha fechada.
Para isso, tanto no processo quanto no modelo, são aplicadas referências de vazão
QF ref (Figuras 4.9c a 4.12c). Os resultados do processo e do modelo para as pontas de
pulverização 11002 a 10005 são apresentados nas Figuras 4.9 a 4.12, respectivamente.
Nota-se através dos gráficos que existe uma boa aproximação das curvas do modelo
simulado e do processo.
47
0 20 40 60 80 100 120
60
80
100
θ V (
rad)
(a)
0 20 40 60 80 100 1200
200
400
PS (
KP
a)
(b)
0 20 40 60 80 100 1205
10
15
Tempo (s)
QF (
l/min
)
(c)
referênciaexperimentalmodelo
Figura 4.9: Respostas reais e de simulação do módulo de pulverização com controlador proporcional usandoa ponta modelo ISO-11002.
4.3 Ambiente de Simulação
Adicionalmente, o desenvolvimento de um ambiente de simulação, com os modelos
obtidos, na mesma linguagem de programação (Linguagem G ou Gráfica) utilizada na
automação do sistema, permite que os códigos fonte ou programas desenvolvidos no
LabVIEW para computador sejam transportados para LabVIEW Real-Time no PAC
cRIO com poucas modificações.
Os modelos obtidos permitem através do Control Design and Simulation Module
a implementação de um ambiente de simulação no LabVIEW para computador. O
Control Design and Simulation Module possui algoritmos e funcionalidades para a mo-
delagem e análise de sistemas dinâmicos lineares e não lineares, em tempo contínuo
ou discreto, agilizando o processo de conversão das rotinas desenvolvidas para o hard-
ware de destino (NATIONAL INSTRUMENTS, 2011). Neste trabalho, o uso do módulo
de simulação reduziu significativamente o tempo necessário para a adaptação dos códi-
gos e parâmetros dos controladores, que vinham sendo desenvolvidos com o auxílio do
Matlab/Simulink, para o PAC cRIO.
O ambiente de simulação possibilitou a implementação, testes e ajuste de parâme-
tros dos controladores, que serão apresentados no próximo capítulo, para os módulo de
48
0 20 40 60 80 100 120
60
80
100
θ V (
rad)
(a)
0 20 40 60 80 100 1200
200
400
PS (
KP
a)(b)
0 20 40 60 80 100 1205
10
15
20
Tempo (s)
QF (
l/min
)
(c)
referênciaexperimentalmodelo
Figura 4.10: Respostas reais e de simulação do módulo de pulverização com controlador proporcionalusando a ponta modelo ISO-11003.
injeção e de pulverização. Na Figura 4.13 é apresentado a interface gráfica usada para
a simular o módulo de injeção e na Figura 4.14 é apresentada a interface gráfica usada
para os testes dos controladores do módulo de pulverização.
49
0 20 40 60 80 100 120
60
80
100θ V
(ra
d)
(a)
0 20 40 60 80 100 1200
200
400
600
PS (
KP
a)
(b)
0 20 40 60 80 100 1205
10152025
Tempo (s)
QF (
l/min
)
(c)
referênciaexperimentalmodelo
Figura 4.11: Respostas reais e de simulação do módulo de pulverização com controlador proporcionalusando a ponta modelo ISO-11004.
0 20 40 60 80 100 120 140 160 180 200
60
80
100
θ V (
rad)
(a)
0 20 40 60 80 100 120 140 160 180 2000
200
400
600
PS (
KP
a)
(b)
0 20 40 60 80 100 120 140 160 180 200
10
20
30
Tempo (s)
QF (
l/min
)
(c)
referênciaexperimentalmodelo
Figura 4.12: Respostas reais e de simulação do módulo de pulverização com controlador proporcionalusando a ponta modelo ISO-11005.
50
Figura 4.13: Ambiente de simulação mostrando a interface gráfica do controle de vazão do agroquímico.
Figura 4.14: Ambiente de simulação mostrando a interface gráfica do controle de vazão da calda.
51
52
Capítulo 5
Controladores para os Módulos
Os controladores utilizados em pulverizadores de barra a taxa variável devem apre-
sentar um erro de menor ou igual a 5 por cento entre o valor da taxa real e da ajustada
no controlador (ANTUNIASSI; BOLLER, 2011). Isso significa que o controlador deve
possuir como característica de desempenho um erro de regime inferior a 5 por cento.
Adicionalmente, esse deve apresentar um sobressinal pequeno e alta velocidade de re-
sposta a fim de reduzir o erro de aplicação e o desperdício de agroquímicos. O valor
de erro inferior a 5 por cento tem sido adotado como parâmetro de para avaliar o de-
sempenho de controladores eletrônicos em implementos que visam a aplicação a taxa
variada desde os primórdios da AP, no entanto, sua influência na eficiência da aplicação
ainda não é bem determinada e pode variar dependendo da lavoura e do alvo.
Tendo como objetivo estas características, são implementados dois controladores:
um para o módulo de injeção e outros dois para o módulo de pulverização. No módulo
de injeção é utilizado um controlador proporcional-integral (PI). Para o módulo de
pulverização são implementados e comparados dois controladores: um controlador PID
convencional e um controlador adaptativo por escalonamento de ganho, que ajusta
os parâmetros do PID através de um sistema fuzzy. Os controladores implementados
para funcionamento no sistema de tempo real (RTOS) do PAC cRIO são desenvolvidos
com o auxílio da ferramenta PID and Fuzzy Logic Toolkit do LabVIEW (NATIONAL
INSTRUMENTS, 2009).
53
5.1 Definição do Período de Amostragem
A taxa de amostragem, para o controle de um processo, deve ser escolhida de
acordo com sua dinâmica. De modo geral o teorema da amostragem de Shannon diz
que um sinal com banda limitada descrito no tempo pode ser reconstruído utilizando
uma frequência de amostragem ωA, também conhecida por frequência de Nyquist, duas
vezes maior que a maior frequência deste sinal.
Baseado no teorema de Shannon a frequência de amostragem ωA deve satisfazer
ωA > 2ωy, ωA > 2ωw ou ωA > 2ωbmf , onde ωy é a maior frequência do sinal medido,
ωw é a maior frequência de um sinal de distúrbio que o sistema de controle do processo
em malha fechada deve responder e ωbma é a banda passante do sistema de controle do
processo em malha fechada. O período de amostragem é dado então por T = 2πωA
.
Na prática, devem ser considerados os efeitos do ruído, da resolução do conversor
analógico-digital, das frequências naturais do processo e da perda de informações a
fim de garantir a estabilidade e o desempenho da malha de controle. Abordagens
empíricas, baseadas em observações experimentais e simulações, sugerem que: (i) seja
adotada uma frequência de amostragem no mínimo 8 vezes maior que a banda passante
do processo, (ii) o período de amostragem seja 1/2 ou 1/3 do tempo de subida tr para
uma resposta ao degrau (HOUPIS; LAMONT, 1992), (iii) o período de amostragem T
seja 10 vezes menor que a constante de tempo dominante τd na resposta transitória do
processo ou (iv) que a frequência de amostragem seja 10 vezes maior que a frequência
natural ωn do processo (LEIGH, 1985). As abordagens citadas são resumidas por:
ωA > 8ωbma (5.1a)
ωA >6π
tr(5.1b)
ωA >2π
10τd(5.1c)
ωA > 10ωn. (5.1d)
O módulo de injeção, descrito por diagrama de blocos (Figura 4.1), é represen-
tado por um modelo linear que apresenta duas frequências naturais em 5, 35 rad/s e
678 rad/s, sendo a primeira referente a parte elétrica e a outra referente a parte mecâ-
nica do motor CC do módulo de injeção. Utilizando (5.1d) para obter a frequência de
54
amostragem, um período de 117, 4 ms é obtido.
O módulo de pulverização apresenta diversas não linearidades, dificultando a de-
terminação do período de amostragem através do modelo, assim é adotado um critério
baseado na resposta experimental (5.1b). Através da resposta ao degrau apresentada
na Figura 5.1 o tempo de subida para a faixa de 10 a 90% é tr = 0, 9 s, assim para
medir a vazão da calda deve ser utilizado um período de amostragem de no mínimo
300 ms.
20 22 24 26 28 307
7.5
8
8.5
9
9.5
10
10.5
11
Tempo (s)
QF (
l/min
)
← t10
= 24,8 s
← t90
= 25,7 s
referênciaexperimental
Figura 5.1: Resposta ao degrau do módulo de pulverização com controlador proporcional (KC = 20)usando a ponta modelo ISO-11002.
Para o controle dos módulos do sistema de pulverização com injeção direta deve
ser adotado um período de amostragem compatível com as variáveis medidas. Desta
forma considerando que estas são: a velocidade angular ωH , no módulo de injeção
(T = 117 ms), e a vazão QF , no módulo de pulverização (T = 300 ms) pode-se adotar
um período de amostragem igual ou menor que o menor dos períodos obtidos. Assim,
neste trabalho é adotado um período de amostragem T = 50 10−3 s.
5.2 Controlador PID no LabVIEW
O controlador PID, que surgiu por volta de 1930, ainda hoje é a solução mais comum
para os problemas de controle encontrados na indústria (ASTROM; HAGGLUND, 2006;
KATSUHIKO, 2003). A seguir são apresentados o controlador PID e a metodologia de
auto-sintonia do PID and Fuzzy Logic Toolkit do LabVIEW.
55
Como os controladores são implementados em rotinas determinísticas estes assumem
forma discreta. A Figura 5.2 mostra o diagrama de blocos de um sistema de controle
a malha fechada. Na figura estão representados a variável do processo y, a variável de
referência yref , a variável de controle u e o ruído. Internamente ao controlador PID é
utilizada uma base de tempo, nas ações integral e derivativa, dada em minutos:
∆TP ID =T
60(5.2)
onde T é o período de amostragem ou de execução das rotinas de controle em segundos.
y (kT) ∑u (kT)yref (kT)
ruído
y(t)processoPID
amostragem
Figura 5.2: Diagrama de blocos de um sistema de controle a malha fechada.
A lei de controle na saída do PID é dada por:
u(kT ) = up(kT ) + ui(kT ) + ud(kT ) (5.3)
onde up(kT ), ui(kT ) e ud(kT ) representam respectivamente as ações proporcional, in-
tegral e derivativa parcial. O valor do erro e(kT ) para as ações proporcional e integral é
dado pela diferença entre o valor da variável do processo y(kT ) e do valor da referência
yref (kT ) por:
e(kT ) = yref(kT )− y(kT ). (5.4)
Ação proporcional: refere-se a uma ação de controle proporcional a diferença entre
o valor medido da variável do processo e um valor de referência desejado:
up(kT ) = Kc e(kT ). (5.5)
As características do controle proporcional são que um elevado ganho Kc leva a malha
de controle para a instabilidade e o erro no regime estacionário não é zero.
56
Ação integral: refere-se a uma ação de controle proporcional a integral do erro com
o objetivo eliminar o erro no regime que ocorre somente com uma ação proporcional.
Essa ação é implementada em sua forma discreta através de uma integração trapezoidal:
ui(kT ) =
Kc
Ti
m∑
i=1
[
e(i) − e(i− 1)2
]
∆TP ID, se Ti > 0
0, se Ti = 0
(5.6)
onde Ti é dado em minutos. As características do controle integral são que quanto
maior o tempo integrativo Ti mais lento é o efeito da ação integral. No sentido oposto,
maior é a velocidade de resposta e o sobressinal, o que leva a instabilidade na malha
de controle.
Ação derivativa parcial: refere-se a uma ação de controle proporcional a diferença
entre o erro atual e o erro anterior. Na prática a ação derivativa é implementada
baseada na variável do processo y(kT ), evitando o efeito exagerado dessa ação de con-
trole quando ocorrem mudanças abruptas na referência yref (kT ). Essa ação derivativa
parcial é dada por:
ud(kT ) = −KcTd
∆TP ID[y(kT )− y(kT − T )] (5.7)
onde Td é dado em minutos.
A ação derivativa pode ser interpretada com um preditor, devido a sua capacidade
de gerar um sinal de controle proporcional a estimativa do erro no instante Td á frente
do tempo atual. O objetivo da ação derivativa é melhorar a estabilidade em malha
fechada, e quando combinada com as ações integral e proporcional esta possui como
características a diminuição do sobressinal e o aumento da velocidade de resposta.
Características de implementação: o controlador PID do LabVIEW pode atuar
como proporcional (P) se Ti e Td são zero, como proporcional-integral (PI) se Td é zero
ou como proporcional-derivativo (PD) se Ti é zero. A saída u(kT ) é limitada e seus
57
limites são dados conforme a regra:
u(kT ) =
umax, se u(kT ) ≥ umax
umin, se u(kT ) ≤ umin
e os valores padrão são umin = −100 e umax = 100.
Outra característica importante, não descrita no manual, é a reinicialização do
integrador. A cada execução da rotina de controle é avaliado se houve alteração nos
parâmetros do controlador, e caso afirmativo a ação integral retorna a zero, ou seja
ui(kT ) = 0.
5.3 Auto-sintonia do PID no LabVIEW
A auto-sintonia é uma metodologia onde o controlador é sintonizado automati-
camente quando solicitado pelo usuário. Essas metodologias combinam métodos de
determinação da dinâmica do processo e cálculo dos parâmetros do controlador. De
modo geral elas envolvem a geração de um distúrbio no processo, a avaliação desse
distúrbio e o cálculo dos parâmetros do controlador (ASTROM; HAGGLUND, 2006).
A técnica de auto-sintonia através de realimentação chaveada 1 baseia-se na apli-
cação de um distúrbio na forma de uma onda quadrada na malha de controle, o que
para muitos processos, devido a características não lineares, pode gerar um ciclo limite
(ASTROM; HAGGLUND, 2006). A Figura 5.3 mostra o comportamento típico de um
processo submetido a realimentação chaveada.
O método de auto-sintonia utilizado pela National Instruments é baseado na técnica
de realimentação chaveada, proposta por Astrom e Hagglund (1984). A diferença entre
as técnicas está no modo como a função de chaveamento é inserida na malha de controle.
Enquanto no método de Åström o controlador que será sintonizado é substituído pela
função de chaveamento (Figura 5.4), na metodologia da National o controlador continua
na malha de controle (Figura 5.5).
O procedimento de auto-sintonia utilizado no PID auto-tune do LabVIEW, extra-
ídos da patente (LUO; QIN; CHEN, , US 6081751), é composto pelas etapas mostradas
1em inglês: Relay Feedback
58
0 10 20 30 40 50
−1
−0.5
0
0.5
1
Tempo
Am
plitu
de
Figura 5.3: Função de chaveamento u (linha pontilhada) e saída típica do processo y (linha sólida).
eyref
-
+ ∑u
ruído
yprocesso
relé
PID
Figura 5.4: Malha de controle com a função de chaveamento no erro.
abaixo.
1. Implementação de um controlador estável, mesmo que mal sintonizado, do tipo
P, PI ou PID.
2. Execução do sistema controle.
3. Início do procedimento de auto-sintonia.
4. Aplicação da função de chaveamento (chave na posição 2).
5. Inicio da oscilação sustentada.
eyref
urPID
relé-
+
-
+ processo
1
2∑
ruídoy
Figura 5.5: Malha de controle com a função de chaveamento na referência.
59
6. Medidas do período e da amplitude da oscilação.
7. Cálculo dos novos parâmetros para o controlador.
8. Desacoplamento da função de chaveamento (chave na posição 1).
9. Validação, pelo usuário, dos novos parâmetros.
No início do procedimento de auto-sintonia, etapa 3, as seguintes operações são
executadas pelo usuário:
Escolher a amplitude do chaveamento d;
Escolher quantas médias serão feitas;
Selecionar o tipo do controlador desejado: (entre as opções P, PI ou PID);
Selecionar a performance desejada: fast (coeficiente de amortecimento ζ = 1/4 ),
normal (algum sobressinal) ou slow (sobressinal pequeno);
Adicionalmente, pode ser estimado o ruído n do processo.
A função de chaveamento é modelada como um ganho Kr, assim o erro e na entrada
do controlador, durante o experimento de chaveamento (chave na posição 2), é dado
por:
e = Kr(yref − y)− y. (5.8)
O objetivo do experimento de chaveamento é determinar a frequência onde a entrada
u e a saída y, do processo tem fases opostas. Isto é feito na etapa 6, onde é medido o
período T180 e a amplitude a onde a variável de saída do processo y. A frequência de
oscilação e o ganho do processo são calculados respectivamente por:
ω180 =2π
T180(5.9)
Kr180 =πa
4d(5.10)
onde d é a amplitude da função de chaveamento.
Para um controlador existente do tipo P, com ganho Kc, o processo de auto-sintonia
60
identifica o ganho crítico Ku e o período da oscilação Tu:
Ku = Kc(1 + Kr180) (5.11)
Tu = T180. (5.12)
Nesse caso, o cálculo dos parâmetros do controlador é baseado nas fórmulas de sintonia
de Ziegler-Nichols apresentadas na Tabela 5.1(NATIONAL INSTRUMENTS, 2009).
Tabela 5.1: Fórmulas de sintonia quando o controlador é do tipo P.
Controlador Kc Ti Td
desejadofast
P 0, 50 Ku - -PI 0, 40 Ku 0, 80 Tu -PID 0, 60 Ku 0, 50 Tu 0, 12 Tu
normal
P 0, 20 Ku - -PI 0, 18 Ku 0, 80 Tu -PID 0, 25 Ku 0, 50 Tu 0, 12 Tu
slow
P 0, 13 Ku - -PI 0, 13 Ku 0, 80 Tu -PID 0, 15 Ku 0, 50 Tu 0, 12 Tu
Para um controlador existente do tipo PI ou PID, representado por:
Gc(s) = Kc(1 +1
Tis)(
Tds + 1αTds + 1
) (5.13)
onde α é um fator de ganho derivativo, o algoritmo de auto-sintonia identifica o os
parâmetros do modelo:
Gp(s) =e−τs
Tps(5.14)
sendo τ o tempo morto e Tp a constante de tempo.
Quando é obtida a oscilação sustentada na malha de controle valem as seguintes
relações:
arg[(1 + Kr)Gp(jω180)Gc(jω180)] = −π (5.15)
|(1 + Kr)Gp(jω180)Gc(jω180)| = 1. (5.16)
61
A partir de (5.15) e (5.16) são calculados o tempo morto e a constante de tempo,
respectivamente por:
τ =tan−1(Tiω180) + tan−1(Tdω180)− tan−1(αTdω180)
ω180(5.17)
Tp =(1 + Kr)Kc
√
T 2i ω2
180 + 1√
T 2d ω2
180 + 1
Tiω2180
√
α2T 2d ω2
180 + 1. (5.18)
Nesse caso, o cálculo dos parâmetros do controlador é baseado nas fórmulas de sintonia
de Ziegler-Nichols apresentadas na Tabela 5.2 (NATIONAL INSTRUMENTS, 2009).
Tabela 5.2: Fórmulas de sintonia quando o controlador é do tipo PI ou PID.
Controlador Kc Ti Td
desejadofast
P 1, 00 Tp/τ - -PI 0, 90 Tp/τ 3, 33 τ -PID 1, 10 Tp/τ 2, 00 τ 0, 50 τ
normal
P 0, 44 Tp/τ - -PI 0, 40 Tp/τ 5, 33 τ -PID 0, 53 Tp/τ 4, 00 τ 0, 80 τ
slow
P 0, 26 Tp/τ - -PI 0, 24 Tp/τ 5, 33 τ -PID 0, 32 Tp/τ 4, 00 τ 0, 80 τ
5.4 Controladores Fuzzy no LabVIEW
Esta seção é em sua maior parte baseada na referência National Instruments (2009),
com o auxílio das referências Pedrycz e Gomide (2007), Ross (2005), Jantzen (2007).
O PID and Fuzzy Logic Toolkit inclui a ferramenta Fuzzy System Designer para o
desenvolvimento de controladores fuzzy do tipo Mamdani, composto pelas etapas de
fuzzificação, de inferência baseada em regras linguísticas e de defuzzificação, cujo os
relacionamentos são apresentados na Figura 5.6. É usado um exemplo hipotético,
adaptado de Silva (17 ago. 2009, 04 dez. 2009), para descrever um controlador fuzzy.
Exemplo: A pressão de uma caldeira é regulada manualmente por um operador
que atua em uma válvula de alívio Ab. Considere o problema de regular a pressão
interna dessa caldeira de modo automático e sem a medição direta da pressão. São
62
conhecidos a temperatura T e o volume de água V dentro da caldeira.
entradas saídas
conjunto de regras
fuzzificação defuzzificaçãomáquina de inferência
sistema fuzzy
Figura 5.6: Componentes de um sistema de inferência fuzzy do tipo Mamdani.
Fuzzificação: é o processo usado para a transformação de um sinal ou valor pontual
em termos da linguagem natural, isto é, em termos linguísticos. Uma variável linguís-
tica é uma variável cujos valores são nomes de conjuntos fuzzy (termos linguísticos ou
termos fuzzy). O intervalo onde os termos fuzzy são definidos é o universo de discurso,
representado aqui pela letra U .
A função que define o grau de pertinência das variáveis linguísticas é a função de
pertinência, representada aqui pela letra µ ∈ (0, 1), e que neste trabalho foram usadas
as dos tipos:
triangular µ∧(x; a; m; b) =
0, se x ≤ a(
x− a
m− a
)
, se x ∈ [a, m]
(
b− x
b−m
)
, se x ∈ [m, b]
0, se x ≥ b
(5.19)
trapezoidal µ∏(x; a; m; n; b) =
0, se x ≤ a(
x− a
m− a
)
, se x ∈ [a, m]
1, se x ∈ [m, n](
b− x
b−m
)
, se x ∈ [n, b]
0, se x ≥ b
(5.20)
63
onde x é o valor pontual que será transformado no termo fuzzy e a, m, n e b são
parâmetros das funções de pertinência. A Figura 5.7 ilustra a etapa de fuzzificação a
partir de termos linguísticos através de funções de pertinência.
Exemplo (fuzzificação): Voltando ao exemplo, a Figura 5.7 mostra as entradas e
a saída do sistema da caldeira. As variáveis são definidas por três funções de pertinência
do tipo triangular ou trapezoidal, onde UT = [100; 500], UV = [2; 10] e UAb = [33; 100]
são o universo de discurso da temperatura, do volume e da abertura da válvula de
alívio, respectivamente.
µP M G
33 50 67 83 100
1
0Ab(%)
µ
V(m3)
P M G
2 3 6 9 10
1
0
µ
T(ºC)
B M A
100 200 300 400 500
1
0
Abertura da válvula de alívio
Temperatura Volume
Figura 5.7: Exemplo: definições das funções de pertinência sendo B=baixa, M=média, A=alta, P=pequena,e G=grande.
Sejam os valores pontuais de entrada 450oC e 4 m3. A Figura 5.10 mostra que esse
valor de temperatura possui um grau de pertinência 1 com o termo alta e zero com
outros termos da variável temperatura, bem como o valor do volume possui diferentes
graus de pertinência com os termos pequeno e médio.
Máquina de inferência e regras: são responsáveis pela inteligência artificial do
controlador fuzzy. O mecanismo de inferência envolve o mapeamento do conhecimento
sobre um determinado processo mediante um conjunto de regras do tipo “se (condição)
então (ação)” para se obter um região fuzzy de saída. Para isso a máquina de inferência
verifica quais os termos fuzzy estão ativos nas variáveis de entrada, encontra quais as
regras ativadas por esses termos, determina quais os termos fuzzy serão ativados em
cada variável de saída e agrega esses termos fuzzy para formar uma região de saída
64
µ
T(ºC)
B M A
100 200 300 400 500
1
0
µ
V(m3)
P M G
2 3 6 9 10
1
0
450 4
µ
T(ºC)
B M A
100 200 300 400 500
1
0
µ
V(m3)
P M G
2 3 6 9 10
1
0
450 4
Fuzzificação
2/3
1
1
1/3
Figura 5.8: Exemplo: fuzzificação das variáveis de entrada.
para cada variável. Nesse processo o conjunto de regras descreve as relações entre as
variáveis de entrada e saída baseado na linguagem natural.
Se uma regra tem mais de uma condição para descrever a relação das variáveis
de entrada e saída são usados conectivos para compor o relacionamento lógico entre
os termos das variáveis. Esses conectivos de composição são definidos por meio de
operadores de intersecção ou união. Neste trabalho foi usado o conectivo de união:
AND(Minimum) µA · B = min(µA, µB) (5.21)
onde A e B representam as variáveis de entrada.
Para cada regra ativada, pelos termos fuzzy de entrada, existe uma relação de
implicação nos termos das variáveis de saída. A relação de implicação do tipo Minimum
disponível no LabVIEW trunca o valor das funções de pertinência das variáveis de saída
de acordo com o grau de ativação das regras pelas variáveis de entrada. Ao final do
processo de inferência as funções de pertinência ativadas são agregadas através de um
operador de união tipo máximo para formar a região fuzzy de saída.
Exemplo (máquina de inferência e regras): Voltando ao exemplo, o conheci-
mento do operador é modelado através de regras do tipo:
Se Temperatura é Alta e Volume é Pequeno então Abertura é Média;
Se Temperatura é Alta e Volume é Médio então Abertura é Grande.
65
As regras obtidas a partir do conhecimento do operador, são representadas na Ta-
bela 5.3. Para os valores escolhidos de temperatura e pressão são ativadas duas regras,
destacadas em negrito na Tabela 5.3.
Tabela 5.3: Exemplo: base de regras para abertura da válvula de alívio.
VolumePequeno Médio Grande
TemperaturaBaixa Pequena Pequena MédiaMédia Pequena Média GrandeAlta Média Grande Grande
µP M G
33 50 67 83 100
1
0
µP M G
33 50 67 83 100
1
0
µP M G
33 50 67 83 100
1
0
MIN
MIN
MÁX
1
2/3
1
1/3
Ab(%)
Ab(%)
Ab(%)
Inferência
Figura 5.9: Exemplo: inferência da região fuzzy de saída através das funções MAX-MIN.
O grau de ativação de cada regra depende do relacionamento entre as variáveis de
entrada, no caso é usado o conectivo e, assim a implicação na variável de saída pode ser
dada por uma operação de mínimo (MIN), ou seja, o menor grau de pertinência será o
grau de ativação da variável de saída. Esta operação é apresentada na Figura 5.9, onde
verifica-se que cada regra ativada produz uma região fuzzy de saída (em verde). As
regiões fuzzy de saída são agregadas por um operador de máximo (MAX) pra produzir
66
uma única região fuzzy de saída.
Defuzzificação: é o processo pelo qual a região fuzzy de saída é transformada em
um valor pontual, que é a saída do controlador fuzzy. Neste trabalho foi usado como
método de defuzzificação o centro de área (CoA):
CoA =
Umax∫
Umin
µ′(x)x dx
Umax∫
Umin
µ′(x) dx
(5.22)
onde x é o valor da variável linguística, Umin e Umax representam respectivamente
o início e final o universo de discurso da região de saída, composto das funções de
pertinência ativadas na variável de saída, e µ′(x) é o grau de pertinência em x truncado
pelo grau de ativação da regra.
Exemplo (defuzzificação): Voltando ao exemplo, uma vez que tem-se a região
fuzzy de saída é necessário aplicar uma operação para se obter o valor de saída do
controlador, esta operação de defuzzificação é realizada por estimadores fuzzy. Utili-
zando o centro de área pode-se obter este valor, cujo resultado é apresentado na Figura
5.10.
µP M G
33 50 67 83 100
1
0Ab(%)
Defuzzificação
74
Figura 5.10: Exemplo: defuzzificação da variável de saída.
67
5.5 Controlador PI do Módulo de Injeção
Para o módulo de injeção usando a técnica de realimentação chaveada e com ajuste
manual (LI; ANG; CHONG, 2006) foi projetado um controlador PI. Inicialmente foi im-
plementado um controlador proporcional com ganho Kc = 200, e utilizando a técnica
de realimentação chaveada com uma amplitude de chaveamento de 0, 25 a fim de se
obter um controlador com PI normal, cujos parâmetros resultantes foram Kc = 96 e
Ti = 1, 04 10−2 min. A partir dos valores iniciais obtidos por auto-sintonia, foi feito
o ajuste manual dos parâmetros e assim foram obtidos os valores dos parâmetros para
o controlador PI do módulo de injeção Kc = 16 e Ti = 6 10−3 min. Os resultados
experimentais da implementação desse controlador são mostrados no próximo capítulo.
5.6 Controladores do Módulo de Pulverização
Devido as características do módulo de pulverização, apesar de ter sido implemen-
tado um sistema supervisório para evitar que ocorram acidentes devido ao excesso de
pressão, é preferível o desenvolvimento dos controladores em um ambiente de simulação.
Para isso foi usado o ambiente de simulação apresentado no capítulo anterior.
5.6.1 Controlador PID
Para o módulo de pulverização usando a técnica de realimentação chaveada e com
ajuste manual (LI; ANG; CHONG, 2006) foi projetado um controlador PID. Inicialmente
foi implementado um controlador proporcional com ganho Kc = 20, e utilizando a
técnica de realimentação chaveada para com amplitude de chaveamento de 0, 8 a fim de
se obter um controlador PID normal para as vazões de 15, 20 e 25 `/min. A Tabela 5.4
mostra os parâmetros obtidos na simulação. A partir dos valores iniciais obtidos por
auto-sintonia, foi feito o ajuste manual dos parâmetros e assim foram obtidos os valores
dos parâmetros Kc0 = 14, Ti0 = 3, 5 10−2 min e Td0 = 8 10−3 min para o controlador
PID do módulo de pulverização. Os resultados experimentais da implementação desse
controlador são mostrados no próximo capítulo.
68
Tabela 5.4: Parâmetros do PID obtidos por auto-sintonia do modelo do módulo de pulverização.
Vazão (`/min) Kc Ti(min) Td(min)PID normal
15 8, 89 0, 15 3, 6 10−2
20 7, 33 6, 00 10−2 0, 1525 7, 26 6, 00 10−2 1, 50 10−2
5.6.2 Controlador PID Fuzzy Adaptativo por Escalonamento de Ganho
Devido as características não lineares como a zona morta e a variação de parâmetros
no tempo devido a curva da resistência hidráulica da válvula de controle VP1, o módulo
de pulverização mostra-se promissor com relação a melhora de desempenho da malha
de controle, assim é proposto o uso de um PID fuzzy adaptativo por escalonamento de
ganho. O controlador implementado é apresentado no diagrama em blocos da Figura
5.11.
QFPID
Kc TdTi
e_+
sintoniafuzzy
QFref
QF
DV módulo de pulverização
Figura 5.11: Diagrama em blocos do controlador PID fuzzy adaptativo implementado.
O bloco de sintonia fuzzy, composto por quatro estágios detalhados na Figura 5.12,
tem como objetivo ajustar os valores dos parâmetros do controlador PID para melhorar
o desempenho da malha de controle. A escolha dos estágios 1 a 3 seguem as propostas
apresentadas por Pu e Zhang (2009), Bae et al. (2011), Liang, Jin e Liang (2008).
Estágio 1: é o estágio de entrada, responsável por ajustar os valores de entrada para o
sistema fuzzy. Nesse estágio são calculados o erro E e a variação do erro EC, variáveis
de entrada do sistema fuzzy, como segue:
E = GE (QF ref −QF ) = GE e(kT ) (5.23)
EC = GECe(kT )− e(kT − T )
T= GEC ∆e(kT ) (5.24)
69
Td
Tie
sintonia fuzzy
Kc
(1)estágio de
entrada
(2) sistema
fuzzy
(3) estágio de
saída
(4) atualização
dos parâmetros
Figura 5.12: Diagrama em blocos do sistema de sintonia fuzzy.
onde GE e GEC são as constantes de ganho e T = 50 ms é o período de amostragem.
Estágio 2: é o estágio onde ocorre a inferência para a sintonia do parâmetros. O
sistema fuzzy é implementado com duas entradas e três saídas conforme ilustrado na
Figura 5.13. A cada iteração são calculados os valores das saídas dKc, dTi e dTd baseado
no erro E e sua variação EC, como. Cada variável, de entrada ou saída, é representada
por um conjunto fuzzy composto por sete termos linguísticos: negativo grande (NB),
negativo médio (NM), negativo pequeno (NS), zero (ZO), positivo pequeno (PS), posi-
tivo médio (PM) e positivo grande (PB).
E
EC dTd
dTi
dKcsistema fuzzy
NB NM NS ZO PS PM PB
Figura 5.13: Representação do sistema fuzzy implementado.
Na Tabela 5.5 são mostrados os conjuntos fuzzy que representam as variáveis de
entrada e saída, seu universo de discurso U e as variáveis linguísticas pertencentes a
cada conjunto. A seguir são apresentadas em (5.25) a (5.27) as funções de pertinência
que representam as variáveis de entrada E e EC e as de saída dKc, dTi e dTd.
70
Tabela 5.5: Conjuntos fuzzy de entrada e saída.
Nome U Funções de pertinênciavariáveis E (-41; 41) NB, NM, NS, ZO, PS, PM, PB
de entrada EC (-150; 150) NB, NM, NS, ZO, PS, PM, PBvariáveis dKc (-1; 1) NB, NM, NS, ZO, PS, PM, PB
de dTi (-1; 1) NB, NM, NS, ZO, PS, PM, PBsaída dTd (-1; 1) NB, NM, NS, ZO, PS, PM, PB
E =
NB, µ∏(x; −42; −42; −10; −7)
NM, µ∧(x; −10; −7; −4)
NS, µ∧(x; −7; −4; −2)
ZO, µ∧(x; −4; 0; 4)
PS, µ∧(x; 2; 4; 7)
PM, µ∧(x; 4; 7; 10)
PB, µ∏(x; 7; 10; 42; 42)
(5.25)
EC =
NB, µ∏(x; −150; −150; −11; −7)
NM, µ∧(x; −11; −7; −3)
NS, µ∧(x; −5; −3; −1)
ZO, µ∧(x; −3; 0; 3)
PS, µ∧(x; 1; 3; 5)
PM, µ∧(x; 3; 7; 11)
PB, µ∏(x; 7; 11; 150; 150)
(5.26)
71
dKc, dTi, dTd =
NB, µ∧(x; −2, 00; −1, 00; −0, 66)
NM, µ∧(x; −1, 00; −0, 66; −0, 33)
NS, µ∧(x; −0, 66; −0, 33; 0, 00)
ZO, µ∧(x; −0, 33; 0, 00; 0, 33)
PS, µ∧(x; 0, 00; 0, 33; 0, 66)
PM, µ∧(x; 0, 33; 0, 66; 1, 00)
PB, µ∧(x; 0, 66; 1, 00; 2, 00)
(5.27)
Com as variáveis de entrada e saída definidas é elaborado o conjunto de regras que
relacionam as entradas com as saídas. Utilizando o ambiente de simulação, com base
na experiência acumulada durante a modelagem do sistema foi desenvolvido através
de tentativa e erro o conjunto de regras apresentado na Tabela 5.6, onde é utilizado o
conectivo AND(Minimum).
Tabela 5.6: Base de regras.
ENB NM NS ZO PS PM PB
EC
NBKc NB PM ZO NB ZO NS PBTi ZO NM ZO ZO ZO PB NBTd ZO NM ZO ZO ZO NM PB
NMKc PB PM ZO NM ZO NS PBTi NB NM ZO ZO ZO PB NBTd PB NM ZO ZO ZO NM PB
NSKc PB PM ZO PB ZO NS PBTi NB NM ZO ZO ZO PB NBTd PB NM ZO ZO ZO NM PB
ZOKc PB PM ZO PM ZO NS PBTi NB NM ZO ZO ZO PB NBTd PB NM ZO ZO ZO NM PB
PSKc PB PM ZO PB ZO NS PBTi NB NM ZO ZO ZO PB NBTd PB NM ZO ZO ZO NM PB
PMKc PB PM ZO NM ZO NS PBTi NB NM ZO ZO ZO PB NBTd PB NM ZO ZO ZO NM PB
PBKc PB PM ZO NB ZO NS PBTi NB NM ZO ZO ZO PB NBTd PB NM ZO ZO ZO NM PB
Para cada par de valores de E e EC, o sistema fuzzy determina o valor das saídas
72
através do método de defuzzificação CoA. As variáveis de saída do sistema fuzzy podem
ser representadas com uma função das entradas e das regras:
dKc = F1(E, EC), dTi = F2(E, EC) e dTd = F3(E, EC) (5.28)
onde F1 a F3 são funções que mapeiam as variáveis de saída, e além disto, as saídas
das variáveis só são válidas (dKc 6= 0, dTi 6= 0 e dTd 6= 0) se os valores das variáveis
de entrada estão representadas em seus respectivos universos de discurso E ∈ UE e
EC ∈ UEC .
Através da combinação dos valores assumidos nas variáveis de entrada E e EC é
mapeada, através da funções F1 a F3, as superfícies que representam o comportamento
do sistema para cada variável de saída. Essas superfícies são apresentadas respecti-
vamente nas Figuras 5.14 a 5.16. Note que as superfícies são definidas no intervalo
(−1, 1), o valor de variação dos parâmetros do controlador PID é obtido no estágio se-
guinte, pela multiplicação das superfícies pelos respectivos valores escalares dos ganhos
de saída.
Figura 5.14: Superfície de ajuste do parâmetro Kc.
Estágio 3: é o estágio onde são calculados os valores da variação dos parâmetros do
controlador PID. A partir das variáveis de saída do sistema fuzzy representadas pelas
73
Figura 5.15: Superfície de ajuste do parâmetro Ti.
Figura 5.16: Superfície de ajuste do parâmetro Td.
Figuras 5.14 a 5.16 a variação dos parâmetros do controlador PID é dada por:
∆Kc(kT ) = GKC dKc, (5.29)
∆Ti(kT ) = GT I dTi, (5.30)
∆Td(kT ) = GT D dTd, (5.31)
onde GKC = 14, GT I = 3, 5 10−2 e GT D = 8 10−3 são ganhos do estágio e devem ser
no máximo os valores ajustados no PID, a fim de evitar a instabilidade da malha de
controle.
Estágio 4: é o estágio onde é verificado se os valores calculados do estágio anterior
74
serão atualizados no controlador. Conforme descrito anteriormente, a variação dos
parâmetros Kc, Ti ou Td durante a execução da rotina do PID acarreta na reinicialização
do integrador, levando o controlador a atuar somente como PD. Isso implica em uma
malha de controle incapaz de eliminar o erro estacionário.
Para contornar esse problema é implementado o Algoritmo 1, que atua na atuali-
zação dos parâmetros. Através de condições de restrição na variação dos parâmetros
que irão ser aplicados no controlador PID. Basicamente o algoritmo avalia se a varia-
ção dos parâmetros do PID calculadas pelo sistema fuzzy é maior que um dado limiar.
Caso afirmativo os parâmetros são atualizados e caso contrário são mantidos os últi-
mos parâmetros atualizados. Através de ensaios, utilizando a plataforma de simulação
desenvolvida, são testados valores de limiar variando de 0, 1 a 0, 9 vezes o valor dos
ganhos ajustados no estágio anterior, em intervalos de 0, 1. A partir desses ensaios foi
determinado que adotando o valor de limiar de 0, 1 vezes o valor dos ganhos de saída
do estágio 3, se obtém uma malha de controle com maior desempenho.
O Algoritmo 1, representado através do esquema na Figura 5.17, recebe como entra-
das os valores das variáveis de saída do sistema fuzzy ∆Kc(kT ), ∆Ti(kT ) e ∆Td(kT ),
os valores dos ganhos aplicados as variáveis de saída do Estágio 3 GKC , GT I e GT D e os
valores dos parâmetros ajustados para o controlador PID Kc0, Ti0 e Td0, verifica para
cada variável se a diferença do valor absoluto entre as variáveis de saída são maiores
que os limiares k0, i0 e d0 e caso afirmativo atualiza os valores dos parâmetros do
controlador.
∆Ti(kT)∆Kc(kT) ∆Td(kT)
∆Ti(kT-r)
∆Kc(kT-r)
∆Td(kT-r)
+
- +
- +
-
≥ k 0 ?
≥ i0 ?
≥ d 0 ?
v
fabs
abs
absatualizar ?
ou
Z-1
Ti
Kc
Td
Ti0Kc0 Td0
+
+
Figura 5.17: Esquema de avaliação e atualização dos parâmetros do controlador PID.
75
Algoritmo 1: Avaliação e atualização dos parâmetros do controlador PID.Entrada: ∆Kc(kT ), ∆Ti(kT ), ∆Td(kT ), GKC , GT I , GT D, Kc0, Ti0, Td0
Saída: Kc, Ti, Td
// inicialização
k0←− 0, 1GKC ; i0←− 0, 1GT I ; d0←− 0, 1GT D ;se primeira execução então
auxKc ←− 0; auxTi ←− 0; auxTd ←− 0;fimrepita
se |(∆Kc(kT )− auxKc| > k0 ou |(∆Ti(kT )− auxTi| > i0 ou|(∆Td(kT )− auxTd| > d0 então
auxKc ←− ∆Kc(kT );auxTi ←− ∆Ti(kT );auxTd ←− ∆Td(kT );
fimKc ←− Kc0 + auxKc;Ti ←− Ti0 + auxTi;Td ←− Td0 + auxTd;
até não ocorrer condição de parada externa;
Conforme apresentado neste capítulo, pode-se resumir o projeto do controlador PID
fuzzy por escalonamento de ganho nos seguintes passos:
1. Projetar um controlador PID que estabilize a malha de controle;
2. Determinar o universo de discurso das variáveis de entrada;
3. Ajustar as funções de pertinência das variáveis de entrada;
4. Elaborar uma base de regras;
5. Ajustar os ganhos de saída com valores numericamente inferiores aos parâmetros
do controlador projetado.
76
Capítulo 6
Resultados Experimentais
Tradicionalmente o desempenho de um controlador PID é avaliado através de análise
visual do erro de seguimento de uma referência ou através de critérios como o erro
absoluto integral IAE1 dada por (6.1) (OVIEDO; BOELEN; OVERSCHEE, 2006), onde
quanto menor é o seu valor melhor o desempenho do controlador (ASTROM; HAGGLUND,
2006). Neste trabalho além do IAE é empregada a norma L2 dada por (6.2), que mede a
raiz quadrática média do erro, assim valores pequenos da norma representam menor erro
no seguimento da trajetória de referência, e portanto, maior desempenho do controlador
(WHITCOMB; RIZZI; KODITSCHEK, 1993).
IAE =N∑
k=1
|e(k)|∆T (6.1)
L2[e(k)] =
(
1N
N∑
k=1
e(k)2
)1/2
(6.2)
onde e(k) é o erro de aplicação em `/min, N é o número de amostras e ∆T é o período
de amostragem em minutos.
O objetivo do ensaio apresentado a seguir é avaliar o desempenho dos controladores
implementados, mantendo constante a relação entre a vazão da calda e a vazão do
agroquímico, ou seja, a concentração da mistura deve ser constante. O ensaio é realizado
utilizando água em ambos os reservatórios de agroquímico e de água. São utilizadas as
pontas de pulverização ISO 11005, por propiciarem uma pressão no sistema hidráulico
1do inglês: integral absolute error
77
inferior a 600kPa para uma ampla faixa de vazão da calda.
É definida uma referência para a vazão da calda QF ref , conforme mostra a Figura
6.1(a). A vazão de referência para o agroquímico é calculada em tempo real por QHref =
0, 055 QF ref . Essa relação é baseada nas recomendações da bula Roundup original da
Monsanto, um herbicida não seletivo a base de Glifosato.
O formato da curva utilizada com referência para os controladores foi elaborado para
simular duas situações distintas: (i) mudanças abruptas na taxa de aplicação devido a
mudança do grau de infestação por plantas invasoras e (ii) variação na velocidade de
deslocamento do veículo pulverizador. A referência para a vazão da calda, entre 0 e
300 s, tem como objetivo testar a resposta dos controladores para diferentes amplitudes
de degraus tanto de subida como de descida. Isso simula o efeito do aumento e da
diminuição da taxa de aplicação. Para o tempo a partir de 300 s a referência de vazão
tem como objetivo simular o aumento e a diminuição da velocidade de deslocamento
do pulverizador.
Para o módulo de pulverização os resultados experimentais são mostrados na Figura
6.1. Os gráficos indicam que durante as transições da referência, de 0 a 300 s, ambos os
controladores não atendem os requisitos de erro na taxa de aplicação. Isso é decorrente
do tempo de resposta válvula de controle VP1. Para as rampas, partir de 300 s, os
gráficos indicam um melhor desempenho do PID fuzzy durante a rampa de subida
e para a descida o PID apresentou melhores resultados. De modos geral fica evidente
que o controlador PID fuzzy apresentou melhores resultados, o que pode ser confirmado
pelos índices de desempenho mostrados na Tabela 6.1.
78
0 50 100 150 200 250 300 3500
10
20
30
Vaz
ão (
l/min
)
(a)
ReferênciaPIDPID fuzzy
0 50 100 150 200 250 300 350−10
−5
0
5
10
Tempo (s)
Err
o (l/
min
)
(b)
+5%
−5%
Figura 6.1: Respostas dos controladores PID e PID fuzzy do módulo de pulverização. (a)Vazão da calda
QF e (b) Erro de aplicação com relação a referência, onde as linhas contínuas indicam a faixa de erro de
±5%.
Tabela 6.1: Desempenho dos controladores implementados para o módulo de pulverização.
Índice de desempenho PID PID fuzzy Melhora (%)
IAE 9, 06 ` 7, 28 ` 25
L2 2, 99 `/min 2, 88 `/min 4
Na Figura 6.2 são apresentados os valores dos parâmetros do controlador PID fuzzy
por escalonamento de ganho. Na Figura 6.3 é apresentada as curvas da pressão PS no
sistema para os controladores PID e PID fuzzy por escalonamento de ganho.
79
0 50 100 150 200 250 300 350−10
0
10
Err
o (l/
min
)
(a)
0 50 100 150 200 250 300 3500
10
20
30
Kc
(b)
0 50 100 150 200 250 300 3500
0.02
0.04
0.06
Ti (
min
)
(c)
0 50 100 150 200 250 300 3500
0.005
0.01
0.015
Tempo (s)
Td (
min
)
(d)
Figura 6.2: Adaptação de parâmetros do controlador PID fuzzy por escalonamento de ganho. (a) A variável
de entrada E. (b) a (d) Os parâmetros atualizados no controlador PID fuzzy Kc, Ti e Td.
80
0 50 100 150 200 250 300 3500
200
400
600
Tempo (s)P
ress
ão (
KP
a)
PIDPID fuzzy
Figura 6.3: Respostas da pressão PS do sistema com os controladores PID e PID fuzzy por escalonamento
de ganho do módulo de pulverização.
Para o módulo de injeção os resultados experimentais são mostrados na Figura 6.4.
Os gráficos indicam que, exceto para transições de referências muito abruptas, o módulo
de injeção apresenta um erro menor que 5%. O controlador implementado foi capaz
de seguir a referência para as duas consições de operação propostas. Esse desempenho
pode ser verificado através dos índices mostrados na Tabela 6.2.
0 50 100 150 200 250 300 3500
0.5
1
1.5
2
Vaz
ão (
l/min
)
(a)
ReferênciaPI
0 50 100 150 200 250 300 350−0.4
−0.2
0
0.2
0.4
Tempo (s)
Err
o (l/
min
)
(b)
+5%
−5%
Figura 6.4: Respostas do controlador PI do módulo de injeção. (a)Vazão QH e (b) Erro de aplicação com
relação a referência, onde as linhas contínuas indicam a faixa de erro de ±5%.
81
Tabela 6.2: Desempenho do controlador implementado para o módulo de injeção.
Índice de desempenho PI
IAE 1, 18 10−1 `
L2 4, 68 10−2 `/min
82
Capítulo 7
Conclusões
Neste trabalho foi implementado a automação de um sistema de pulverização em
taxa variada com injeção direta de agroquímicos. Para isto, é utilizada uma bancada de
pulverização que se mostrou como uma importante ferramenta para o desenvolvimento
e testes de sistemas de pulverização.
Os circuitos desenvolvidos para a instrumentação do sistema montado na bancada
de pulverização, mostraram-se confiáveis durante as etapas de modelagem e testes do
sistema, não apresentando problemas como superaquecimento, queima de componentes,
ou outros que acarretem em mal funcionamento do sistema. O PAC-cRIO 9073 apre-
sentou capacidade de executar diferentes tarefas sem prejuízo as ações de controle,
possibilitando ainda ser embarcado para uso em campo. A utilização dos modelos para
o desenvolvimento de um ambiente de simulação, em LabVIEW para PC, possibilitou
a compreensão da interação entre os diferentes elementos do sistema de pulverização, a
implementação e testes dos controladores desenvolvidos, bem como a transferência dos
códigos desses controladores para o PAC-cRIO com poucas modificações.
Os resultados experimentais mostram que para regular a vazão do agroquímico, no
módulo de injeção, um controlador do tipo PI apresenta resultados satisfatórios, com
um erro de aplicação total de 1, 18 10−1 ` e um erro quadrático médio de 4, 68 10−2 `/min
para a faixa de operação de 0, 5 a 1, 8 `/min. Para regular a vazão da mistura, no mó-
dulo de pulverização, o controlador PID fuzzy por escalonamento de ganho apresentou
desempenho superior ao controlador PID convencional. Com relação ao erro total de
aplicação houve uma melhora de 25% e quanto ao erro quadrático médio a melhora de
83
desempenho é de 4% na faixa de operação de 10 a 32 `/min. Desta forma, conclui-se
que o controlador PID fuzzy por escalonamento de ganho apresenta potencial aplicação
para regular a vazão em sistemas de pulverização.
84
Capítulo 8
Propostas para Trabalhos Futuros
A bancada de pulverização, utilizada neste trabalho, foi compartilhada para o de-
senvolvimento de outros trabalhos visando o estudo dos efeitos do atraso de transporte,
do transiente de concentração e do espectro de gotas na qualidade da aplicação. A
implementação de controladores avançados como o controlador preditivo baseado em
modelo e a implementação de uma plataforma móvel para avaliar o espectro de gotas
simulando o movimento do pulverizador já vem sendo consideradas.
Outros trabalhos têm explorado as características das pontas de pulverização vi-
sando extender a faixa de operação do pulverizador sem precisar trocar as pontas.
Neste sentido, os bicos de pulverização PWM tem apresentado resultados promissores,
sendo capazes do controle individual da vazão das pontas e mantendo o tamanho das
gotas para uma ampla faixa de pressão. Apesar dos benefícios, esta tecnologia ainda
não vem sendo adotada extensivamente devido a relação custo benefício.
Considerando as tecnologias recentes como bicos PWM e a experiência acumulada
neste trabalho são propostas para trabalhos futuros:
o desenvolvimento de bicos PWM de baixo custo bem como um controlador para
esses bicos;
o estudo da influência da realimentação pelo retorno da válvula de três vias no
transiente da concentração da mistura de agroquímico e água;
o estudo comparativo entre o controle da vazão da mistura pela válvula de três
vias e o controle da rotação da bomba de mistura;
85
o estudo do uso do aumento da vazão de injeção por um curto período de tempo
visando aumentar a velocidade de resposta do transiente de concentração (o tran-
siente da concentração depende da vazão da mistura).
86
Apêndice A
Diagramas Esquemáticos
Este apêndice contém os diagramas esquemáticos dos circuitos usados na instru-
mentação do sistema de pulverização. Os diagramas esquemáticos estão listados a
seguir:
1. Diagrama esquemático da placa de interface com o inversor de frequência (Figura
A.1).
2. Diagrama esquemático dos circuitos de acionamento das válvulas VP1, VP2, VS1
e VS2 (Figura A.2).
3. Diagrama esquemático dos circuitos do amplificador de potência, condiciona-
mento de sinal e alimentação do encoder do módulo de injeção (Figura A.3).
4. Diagrama esquemático da placa de acionamento da bomba de descarte e ligações
dos sensores de nível e do fluxômetro (Figura A.4).
87
Figura A.1: Diagrama esquemático da placa de interface com o inversor de frequência.
88
Figura A.2: Diagrama esquemático dos circuitos de acionamento das válvulas VP1, VP2, VS1 e VS2.
89
Figura A.3: Diagrama esquemático dos circuitos do amplificador de potência, condicionamento de sinal e alimentação do encoder do módulo de injeção.
90
Figura A.4: Diagrama esquemático da placa de acionamento da bomba de descarte e ligações dos sensores de nível e do fluxômetro.
91
92
Referências Bibliográficas
AMADO, T. J. C. et al. Projeto aquarius-cotrijal: pólo de agricultura de precisão.
Plantio Direto, v. 91, n. 15, p. 39–47, 2006.
ANDREI, E. Compêndio de Defensivos Agrícolas. 7. ed. São Paulo: Andrei Ed.
Ltda, 2005.
ANTUNIASSI, U. R.; BOLLER, W. (Ed.). Tecnologia de Aplicação para
Culturas Anuais. Passo Fundo: Aldeia Norte, 2011.
ANTUNIASSI, U. R.; GANDOLFO, M. A.; SIQUEIRA, J. L. Inspeção de
pulverizadores de barras. In: ANTUNIASSI, U. R. (Ed.). Tecnologia de
Aplicação para Culturas Anuais. Passo Fundo: Aldeia Norte, 2011. p. 83–102.
ANTUNIASSI, U. R. et al. Performance of a flow control system for aquatic
herbicide application using an airboat sprayer. In: ASAE Annual International
Meeting. Las Vegas: American Society of Agricultural and Biological Engineers,
2003. p. No 031068.
ASTROM, K. J.; HAGGLUND, T. Automatic tuning of simple regulators with
specifications on phase and amplitude margins. Automatica, v. 20, n. 5, p.
645–651, 1984.
ASTROM, K. J.; HAGGLUND, T. Advanced PID Control. Research Triangle
Park: ISA - The Instrumentation, Systems, and Automation Society, 2006.
BAE, K. et al. Fuzzy gain scheduling for magnetic levitation control. In: The 21st
International Conference on Magnetically Levitated Systems and Linear
Drives. Daejeon - Korea: Korea Institute of Machinery and Materials, 2011. p.
SOCP–01.
93
BAIO, F. H.; ANTUNIASSI, U. R. Sistemas de controle eletrônico e navegação para
pulverizadores. In: ANTUNIASSI, U. R. (Ed.). Tecnologia de Aplicação para
Culturas Anuais. Passo Fundo: Aldeia Norte, 2011. p. 123–140.
BOLLER, W.; RAETANO, C. G. Bicos e pontas de pulverização de energia hidráulica,
regulagens e calibração de pulverizadores de barras. In: ANTUNIASSI, U. R.
(Ed.). Tecnologia de Aplicação para Culturas Anuais. Passo Fundo: Aldeia
Norte, 2011. p. 51–65.
BOUSE, L. F.; CARLTON, J. B.; MORRISON, R. K. Aerial application of insect egg
parasites. Transactions of the ASAE, v. 24, p. 1093–1098, 1981.
CAVENAGHI, A. L. Tecnologia de aplicação de herbicidas. In: ANTUNIASSI, U. R.
(Ed.). Tecnologia de Aplicação para Culturas Anuais. Passo Fundo: Aldeia
Norte, 2011. p. 203–217.
CHEN, C.-K.; SHIH, M.-C. Pid-type fuzzy control for anti-lock brake systems with
parameter adaptation. JSME International Journal Series C Mechanical
Systems, Machine Elements and Manufacturing, v. 47, n. 2, p. 675–685,
2004.
CHEN, G.; PHAM, T. T. Introduction to Fuzzy Sets, Fuzzy Logic, and Fuzzy
Control Systems. Boca Raton, Florida: CRC Press, 2001.
COELHO, A. M. Agricultura de Precisão: manejo da variabilidade espacial
e temporal dos solos e culturas. Sete Lagoas: Embrapa Milho e Sorgo, 2005.
Relatório técnico (Documentos - Edição: 46), 59 p.
CRUVINEL, P. E. et al. Bancada automatizada para ensaios e desenvolvimento de
pulverizadores de agrotóxicos, aplicadores de fertilizantes líquidos e maturadores
em culturas agrícolas sob manejo baseado em agricultura de precisão. In:
INAMASU, R. Y. et al. (Ed.). Agricultura de Precisão: um Novo Olhar. São
Carlos, SP: Embrapa Instrumentação, 2011. p. 96–100.
CUNHA, J. P. R. da. Simulação da deriva de agrotóxicos em diferentes condições de
pulverização. Ciência e agrotecnologia, v. 32, n. 5, p. 1616–1621, 2008.
DICKE, D.; KüHBAUCH, W. Temporal dynamics of weed populations in arable
fields using long-term site-specific weed control. In: 15th Australian Weeds
94
Conference, Papers and Proceedings: Managing weeds in a changing
climate. Victoria: Weed Management Society of South Australia, 2006. p.
375–378.
ESS, D. R.; PARSONS, S. D.; MEDLIN, C. R. Implementing Site-Specific
Management: Sprayer Technology - Controlling Application Rate and
Droplet Size Distribution On The Go. IN: Purdue University, 2001. Tech.
Report (SSM-5-W), 7 p.
FERREIRA, C. R. R. P. T.; CAMARGO, M. L. B.; VEGRO, C. L. R. Defensivos
agrícolas: comercialização recorde em 2011 e expectativas de acréscimo nas vendas
em 2012. Análises e Indicadores do Agronegócio, v. 7, n. 7, p. 5, 2012.
GARCIA, C. Modelagem e Simulação de Processos Industriais e de Sistemas
Eletromecânicos. 2. ed. São Paulo: Editora da Universidade de São Paulo, 2005.
GERHARDS, R.; OEBEL, H. Practical experiences with a system for site-specific
weed control in arable crops using real-time image analysis and gps-controlled
patch spraying. Weed Research, v. 46, n. 3, p. 185–193, 2006.
HOUPIS, C. H.; LAMONT, G. B. Digital Control Systems. 2nd. ed. Singapore:
McGraw-Hill Higher Education, 1992.
HUGHES, T. A. Measurement and Control Basics. 3. ed. Research Triangle
Park: ISA Press, 2002.
HUI, W.; YONGBO, Y.; MEIYU, L. Fuzzy-pid control in the application of
multi-purpose vehicles of the road snow plowing. In: Proceedings of the 2009
International Conference on Web Information Systems and Mining.
Washington DC, USA: IEEE Computer Society, 2009. p. 246–250.
INAMASU, R. Y. et al. (Ed.). Agricultura de Precisão: um Novo Olhar. São
Carlos, SP: Embrapa Instrumentação, 2011.
JANG, J. O. A deadzone compensator of a dc motor system using fuzzy logic
control. IEEE Transactions on Systems, Man, and Cybernetics, Part C:
Applications and Reviews, v. 31, n. 1, p. 42–48, 2001.
95
JANTZEN, J. Foundations of Fuzzy Control. 2. ed. Chippenham: John Wiley
and Sons, 2007.
JUNIOR, A. R. et al. Variabilidade espacial e temporal de atributos químicos do solo
e da produtividade da soja num sistema de agricultura de precisão. Engenharia
na Agricultura, v. 14, n. 3, p. 156–169, 2006.
KATSUHIKO, O. Engenharia de Controle Moderno. 4. ed. São Paulo: Prentice
Hall Brasil, 2003.
KIM, H.-M. A design for elevator group controller of building using adaptive dual
fuzzy algorithm. Journal of Mechanical Science and Technology, The
Korean Society of Mechanical Engineers, v. 15, p. 1664–1675, 2001.
KROPFF, M. J.; LAAR, H. H. van (Ed.). Modelling Crop-Weed Interactions.
Wallingford: CAB International, 1993.
LAMMERS, P. S.; VONDRICKA, J. Evaluation of a carrier control valve for a direct
nozzle injection system. Biosystems Engineering, v. 103, n. 1, p. 43–48, 2008.
LAMMERS, P. S.; VONDRICKA, J. Direct injection sprayer. In: OERKE, E.-C.
et al. (Ed.). Precision Crop Protection - the Challenge and Use of
Heterogeneity. Bonn - Germany: Springer, 2010. p. 295–309.
LEIGH, J. R. Applied Digital Control: Theory, design and implementation.
Hertfordshire: Prentice Hall International (UK) Ltd., 1985.
LI, Y.; ANG, K. H.; CHONG, G. PID control system analysis and design. IEEE
Control Systems, v. 26, n. 1, p. 32 – 41, 2006.
LIAN, S. H.; MESSOM, C.; KONG, Y. P. Fuzzy hybrid PID controller of a steam
heated dryer. In: Fuzzy Systems Conference Proceedings. Seoul, South
Korea: IEEE International, 1999. v. 3, p. 1707–1711.
LIANG, Y.; JIN, H.; LIANG, L. Fuzzy-PID controlled lift feedback fin stabilizer.
Journal of Marine Science and Application, Harbin Engineering University,
v. 7, p. 127–134, 2008.
96
NATIONAL INSTRUMENTS CORPORATION (AUSTIN TX). Rongfu Luo, S. Joe
Qin e Dapang Chen. System and method for closed loop autotuning of
PID controllers. US Pat. US 6081751, 03 apr. 1998, 27 jun. 2000.
MAMDANI, E.; ASSILIAN, S. An experiment in linguistic synthesis with a fuzzy
logic controller. International Journal of Man-Machine Studies, v. 7, n. 1,
p. 1–13, 1975.
MANTOVANI, E. C. Desenvolvimento, ajustes e aplicação de técnicas de
agricultura de precisão para o aumento de eficiência e redução de
impactos ambientais de sistemas de produção agrícola sob plantio direto.
Sete Lagoas: Embrapa Milho e Sorgo, 1999–2002. Relatório técnico (Projeto
PRODETAB 030-01/99), v.1 p.
MANTOVANI, E. C. Agricultura de precisão na Embrapa. 2006. Disponível em:
<http://fatecpompeia.edu.br/arquivos/arquivos/projeto_agricultura_de_precisao-
junho_2006.pdf>. Acesso em: 20-09-2012.
MANTOVANI, E. C.; QUEIROZ, D. M.; DIAS, G. P. Máquinas e operações
utilizadas na agricultura de precisão. In: SILVA, F. M. da (Ed.). Mecanização
e Agricultura de Precisão. Poços de Caldas, MG: UFLA/SBEA, 1998. p.
109–157.
MAZOYER, M. et al. História das Agriculturas no Mundo: do Neolítico à
Crise Contemporânea. São Paulo: UNESP, 2010.
MENEGATTI, L. A. A.; MOLIN, J. P. A cana e a agricultura de precisão. Idea
News, v. 5, n. abril, p. 18–23, 2004.
MERCALDI, H. V. et al. Modelo do módulo de injeção direta de herbicidas para
aplicação em taxa variada. In: Conferência Brasileira de Dinâmica e
Controle - DINCON 2011. Aguas de Lindóia - SP: Sociedade Brasileira de
Automática e Sociedade Brasileira de Matemática Aplicada e Computacional,
2011a. p. 511–515.
MERCALDI, H. V. et al. Modelagem de um sistema de injeção direta de herbicida em
taxa variável para aplicação em culturas agrícolas. In: INAMASU, R. Y. et al.
97
(Ed.). Agricultura de Precisão: um Novo Olhar. São Carlos, SP: Embrapa
Instrumentação, 2011b. p. 101–105.
MERRITT, H. E. Hydraulic Control Systems. New York - London - Sidney: John
Wiley and Sons Inc., 1967.
MOLIN, J. Controle minucioso. Cultivar Máquinas, Pelotas, v. 3, n. abril, p. 18–21,
2004.
MOLIN, J. P. Agricultura de precisão. parte 1: o que é e estado da arte em
sensoriamento. Engenharia Agrícola, v. 17, n. 2, p. 97–107, 1997.
NATIONAL INSTRUMENTS. LabVIEW: PID and Fuzzy Logic Toolkit User
Manual. Austin, Texas, Jun 2009.
NATIONAL INSTRUMENTS. NI Tutorial 11281: What is the LabVIEW
Control Design and Simulation Module. Austin, Texas, Mar 2011.
NATSHEH, E.; BURAGGA, K. A. Comparison between conventional and fuzzy logic
pid controllers for controlling dc motors. International Journal of Computer
Science Issues, v. 7, n. 5, p. 128–134, 2010.
OERKE, E.-C. et al. (Ed.). Precision Crop Protection - the Challenge and Use
of Heterogeneity. Bonn - Germany: Springer, 2010.
OLIVEIRA, V. A.; AGUIAR, M. L.; VARGAS, J. B. Sistemas de Controle: Aulas
de Laboratório. São Carlos: EESC-USP, 2005.
OVIEDO, J.; BOELEN, T.; OVERSCHEE, P. van. Robust advanced pid control
(rapid): Pid tuning based on engineering specifications. Control Systems,
IEEE, v. 26, n. 1, p. 15–19, 2006.
PAICE, M. E. R.; MILLER, P. C. H.; BODLE, J. D. An experimental sprayer for
the spatially selective application of herbicides. Agricultural Engineering
Research, v. 60, n. 2, p. 107–116, 1995.
PAICE, M. E. R.; MILLER, P. C. H.; DAY, W. Control requirements for spatially
selective herbicide sprayers. Computers and Electronics in Agriculture,
v. 14, n. 2-3, p. 163–177, 1996.
98
PEDRYCZ, W.; GOMIDE, F. Fuzzy Systems Engineering: Toward
Human-Centric Computing. New Jersey: Wiley-IEEE Press, 2007.
PIERCE, F. J.; NOWAK, P. Aspects of precision agriculture. Advances in
Agronomy, v. 67, n. -, p. 1–85, 1999.
PU, L.; ZHANG, X. dong. An intelligent fuzzy-pid control system for high-speed
solenoid valve. In: Fourth International Conference on Innovative
Computing, Information and Control (ICICIC). Kaohsiung: IEEE, 2009. p.
504–507.
QUEIROS, L. R. Desenvolvimento de um Sistema de Controle para Aplicação
a Taxa Variada e em Tempo Real de Fitorreguladores na Cultura
do Algodoeiro. Tese (Doutorado) — Universidade Estadual De Campinas,
Campinas, 2010.
QUEIROZ, D. M. de; DIAS, G. P.; MANTOVANI, E. C. Agricul-
tura de precisão na produção de grãos. 2006. Disponível em:
<ftp://www.ufv.br/Dea/Disciplinas/Daniel/AP_GPS_ENG_432/palestra_vicosa.RTF>.
Acesso em: 20-09-2012.
RAETANO, C. G. Introdução ao estudo da tecnologia de aplicação de produtos
fitossanitários. In: ANTUNIASSI, U. R. (Ed.). Tecnologia de Aplicação para
Culturas Anuais. Passo Fundo: Aldeia Norte, 2011. p. 15–26.
REIS, G. B. Simulação e Controle do Processo de Produção de Levedura.
Dissertação (Mestrado) — UFSCar, São Carlos, SP, 2009.
RESENDE Álvaro V. et al. Agricultura de precisão no brasil: Avanços, dificuldades e
impactos no manejo e conservação do solo, segurança alimentar e sustentabilidade.
In: XVIII Reunião Brasileira de Manejo e Conservação do Solo e da
Água. Teresina - PI: Embrapa Meio-Norte, 2010. p. id:23283.
RIID, A.; RUSTERN, E. Fuzzy logic in control: truck backer-upper problem
revisited. In: The 10th IEEE International Conference on Fuzzy Systems.
Melbourne, Vic.: IEEE, 2001. v. 1, p. 513–516.
ROCKWELL, A. D.; AYERS, P. D. A variable rate, direct nozzle injection field
sprayer. Applied Engineering in Agriculture, v. 12, n. 5, p. 531–538, 1996.
99
ROSS, T. J. Fuzzy Logic with Engineering Applications. 2. ed. Chichester: John
Wiley and Sons, 2005.
ROSSETO, F. R. Controlador Fuzzy para um Sistema de Aplicação de
Herbicidas a Taxa variável. Dissertação (Mestrado) — EESC-USP, São Carlos,
SP, 2008.
SHIRATSUCHI, L. S.; FONTES, J. R. A. Tecnologia de Aplicação de Herbicidas.
Planaltina: Embrapa, 2002. Relatório técnico (Documentos - Edição: 78), 30 p.
SILVA, I. N. Sistemas fuzzy: SEL5755-2/4. Notas de Aula. 17 ago. 2009, 04 dez. 2009.
STEWARD, B. L.; HUMBURG, D. S. Modeling the raven scs-700 chemical injection
system with carrier control with sprayer simulation. Transactions of the ASAE,
v. 43, n. 2, p. 231–245, 2000.
SUDDUTH, K. A.; BORGELT, S. C.; HOU, J. Performance of a chemical injection
sprayer system. Applied Engineering in Agriculture, v. 11, n. 3, p. 343–348,
1995.
SUMATHI, S.; PANEERSELVAM, S. Computational Intelligence Paradigms:
Theory and Aapplications using MATLAB. 1. ed. Boca Raton: CRC Press,
2010.
TIMMERMANN, C.; GERHARDS, R.; KüHBAUCH, W. The economic impact of
site-specific weed control. Precision Agriculture, v. 4, p. 249–260, 2003.
WALKER, J. T.; BANSAL, R. K. Development and characterization of variable
orifice nozzles for spraying agro-chemicals. Precision Agriculture, p. Paper No
99–1008, 1999.
WEIS, M. et al. Precision farming for weed management: techniques. Gesunde
Pflanzen, v. 60, n. 4, p. 171–181, 2008.
WERNER, V. et al. Aplicação de fertilizantes a taxa variável em agricultura
de precisão variando a velocidade de deslocamento. Revista Brasileira de
Engenharia Agrícola e Ambiental, v. 11, n. 6, p. 658 – 663, 2007.
100
WHITCOMB, L.; RIZZI, A.; KODITSCHEK, D. Comparative experiments with a
new adaptive controller for robot arms. IEEE Transactions on Robotics and
Automation, v. 9, n. 1, p. 59–70, 1993.
WILES, T. L.; SHARP, D. G.; MATTHEWS, G. A. Guidelines On Standards
For Agricultural Pesticide Application Equipment And Related Test
Procedures: volume two vehicle-mounted and trailed sprayers. Rome:
FAO, 2001. Tech. Report, 50 p.
YADAV, S.; TIWARI, J. P.; NAGAR, S. K. Digital control of magnetic levitation
system using fuzzy logic controller. International Journal of Computer
Applications, v. 41, n. 21, p. 27–31, 2012.
YIN, Z. et al. The application of adaptive PID control in the spray robot. In:
International Conference on Intelligent Computation Technology and
Automation. Shenzhen, Guangdong: IEEE, 2011. p. 528–531.
ZADEH, L. Fuzzy sets. Information Control, v. 8, p. 338–353, 1965.
ZADEH, L. A. Outline of a new approach to the analysis of complex systems and
decision processes. IEEE Transactions on Systems, Man and Cybernetics,
v. 3, n. 1, p. 28–44, 1973.
ZHANG, N.; WANG, M.; WANG, N. Precision agriculture – a worldwide overview.
Computers and Electronics in Agriculture, v. 36, n. 2-3, p. 113 – 132, 2002.
ZHU, H. et al. Mixture uniformity in supply lines and spray patterns of a laboratory
injection sprayer. Applied Engineering in Agriculture, v. 14, n. 3, p. 223–230,
1998.
101
Top Related